[发明专利]文本信息抽取方法和系统

摘要

本发明实施例公开了一种文本信息抽取方法，实现从文本中抽取某种现象或某个事件产生的原因信息；其方法根据原因种子对对从互联网中采集的语句进行分析，生成原因句抽取模式，并利用依存关系和依存路径表示原因句的抽取模式，再基于该抽取模式来抽取原因信息，抽取过程大大减少了人工成本；且以抽取的原因句和非原因句作为训练样本，训练一个支持向量机分类器在未分类的语句中进一步识别原因句，从而提高了性能；本发明还公开了一种文本信息抽取系统，用于抽取文本中某种现象或某个事件产生的原因的信息。

主权项

一种文本信息抽取方法，其特征在于，包括：设置第一检索条件，检索并选取第一候选网页，从所述第一候选网页中提取第一候选语句；所述第一候选网页与第一候选语句满足第一检索条件；根据第一候选语句生成第一句法树，并得到第一标注候选语句；根据第一句法树裁剪第一标注候选语句，生成裁剪依存树；把裁剪依存树分类为原因句依存树集合和非原因句依存树集合；根据第一句法树中的依存路径，合并原因句依存树集合中的裁剪依存树，生成原因句模式库；合并非原因句依存树集合中的依存树生成非原因句模式库；读取用户输入的需要抽取原因的现象的关键词，根据所述关键词与原因句模式库，设置第二检索条件，检索并选取第二候选网页，从所述第二候选网页中提取第二候选语句，所述第二候选网页与第二候选语句满足第二检索条件；根据第二候选语句，生成第二标注候选语句；裁剪第二标注候选语句，抽取候选原因结点，构造候选原因结点到现象结构的依存路径，并生成候选原因依存子树集合；从候选原因依存子树集合中抽取原因信息，添加到原因库中。