[发明专利]一种实体挖掘方法及装置

权利要求书

1.一种实体挖掘方法，其特征在于，包括：

获取非结构化实体数据集合；

对所述非结构化实体数据集合进行处理，获得第一候选实体数据集合、第二候选实体数据集合和第三候选实体数据集合；

基于实体挖掘规则对第一候选实体数据集合、第二候选实体数据集合和第三候选实体数据集合进行挖掘，获得实体挖掘结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述非结构化实体数据集合进行处理，获得第一候选实体数据集合、第二候选实体数据集合和第三候选实体数据集合，包括：

对所述非结构化实体数据集合进行分词处理，获得所述第一候选实体数据集合；

对所述非结构化实体数据集合进行切词处理，基于切词处理后的实体数据集合结合所述第一候选实体数据集合，获得所述第二候选实体数据集合；

对所述非结构化实体数据集合进行序列预测，基于序列预测得到的实体数据集合结合所述第一候选实体数据集合和所述第二候选实体数据集合，获得所述第三候选实体数据集合。

3.根据权利要求2所述的方法，其特征在于，在所述对所述非结构化实体数据集合进行序列预测之后，还包括：

获得多个候选预测实体以及所述多个候选预测实体分别对应的概率值；

选择所述概率值大于第一阈值的多个候选预测实体作为所述序列预测得到的实体数据集合。

4.根据权利要求1所述的方法，其特征在于，所述基于实体挖掘规则对第一候选实体数据集合、第二候选实体数据集合和第三候选实体数据集合进行挖掘，获得实体挖掘结果，包括：

判断所述第一候选实体数据集合、所述第二候选实体数据集合和所述第三候选实体数据集合中是否存在相同实体，若存在，保留所述相同实体；

判断所述第一候选实体数据集合、所述第二候选实体数据集合和所述第三候选实体数据集合中不同实体之间是否存在部分字符重叠情况，若存在，保留最长字符的实体；基于所述保留的相同实体和/或所述最长字符的实体构成所述实体挖掘结果。

5.根据权利要求1所述的方法，其特征在于，在所述获取非结构化实体数据集合之后，还包括：

对所述非结构化实体数据集合进行字符的转化处理。

6.一种实体挖掘装置，其特征在于，包括：

获取模块，用于获取非结构化实体数据集合；

处理模块，用于对所述非结构化实体数据集合进行处理，获得第一候选实体数据集合、第二候选实体数据集合和第三候选实体数据集合；

挖掘模块，用于基于实体挖掘规则对第一候选实体数据集合、第二候选实体数据集合和第三候选实体数据集合进行挖掘，获得实体挖掘结果。

7.根据权利要求6所述的装置，其特征在于，所述处理模块，包括：

第一处理子单元，用于对所述非结构化实体数据集合进行分词处理，获得所述第一候选实体数据集合；

第二处理子单元，用于对所述非结构化实体数据集合进行切词处理，基于切词处理后的实体数据集合结合所述第一候选实体数据集合，获得所述第二候选实体数据集合；

第三处理子单元，用于对所述非结构化实体数据集合进行序列预测，基于序列预测得到的实体数据集合结合所述第一候选实体数据集合和所述第二候选实体数据集合，获得所述第三候选实体数据集合。

8.根据权利要求7所述的装置，其特征在于，还包括：

获得模块，用于获得多个候选预测实体以及所述多个候选预测实体分别对应的概率值；

选择模块，用于选择所述概率值大于第一阈值的多个候选预测实体作为所述序列预测得到的实体数据集合。

9.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述实体挖掘方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述实体挖掘方法的步骤。