[发明专利]一种结构化信息抽取方法、搜索方法和装置

权利要求书

1.一种结构化信息抽取方法，其特征在于，包括：

S1、从语料中获取包含预设属性词的语句集合；

S2、从所述语句集合中获取包含预设属性值的语句作为种子seed，构成seed集合；

S3、从各seed中抽取模板pattern构成所述预设属性词对应的pattern集合，所述pattern包括：与属性值相邻的字符串以及seed中满足预设特征要求的特征值；

S4、利用pattern集合中的各pattern到步骤S1获取的语句集合中抽取属性值，得到所述预设属性词对应的属性值集合。

2.根据权利要求1所述的方法，其特征在于，在所述步骤S4之后还包括：

S5、利用所述属性值集合到语句集合中进行匹配，提取新的seed，转至步骤S3，直到算法收敛，得到结构化信息，所述结构化信息包括：属性词和属性值。

3.根据权利要求1所述的方法，其特征在于，在步骤S3中，所述与属性值相邻的字符串包括：词语、短语或符号；

所述seed中满足预设特征要求的特征值包括以下所列中的至少一种：属性值的前一个动词、后一个动词、最近的名词、属性值的词性、属性值中名词的个数以及属性值的字数。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，还包括对所述预设属性词对应的pattern集合进行过滤，过滤方法采用以下所列的至少一种：基于pattern的出现频率进行过滤或者基于pattern的语义相关性进行过滤。

5.根据权利要求1所述的方法，其特征在于，所述步骤S4中，还包括对所述预设属性词对应的属性值集合进行过滤，过滤方法可以采用以下所列的一种或几种结合：

A、基于词频进行过滤，将词频低于预设要求的属性值过滤掉；

B、基于词性特征进行过滤，将词性不符合属性值特征的属性值过滤掉；

C、基于属性值的字数，将字数超过预设字数要求的属性值过滤掉；

D、基于属性值分词中停用词的个数，将所包含停用词个数超过预设要求的属性值过滤掉。

6.根据权利要求5所述的方法，其特征在于，在进行基于词频过滤之前，先判断所述预设属性词对应的属性值是否可重复出现的，判断的规则为：判断提取得到的预设属性词对应的属性值是否在所述语句集合的多个语句中出现，如果是，则认为该预设属性词对应的属性值是可重复出现的；

对于可重复出现的属性值，根据属性值的词频进行过滤，将词频小于预设属性值词频阈值的属性值过滤掉；

对于非重复出现的属性值，根据属性值上下文字符串的词频进行过滤，将上下文字符串的词频小于预设词频阈值的属性值过滤掉。

7.一种结构化信息的搜索方法，其特征在于，该方法包括以下步骤：

S6、从用户输入的query中获取属性词；

S7、利用步骤S6得到的属性词在结构化信息中匹配，得到对应的属性值信息，将得到的属性值信息包含在搜索结果中返回给所述用户；

其中所述结构化信息是采用如权利要求2所述的方法得到的。

8.根据权利要求7所述的搜索方法，其特征在于，所述步骤S6中还包括：从用户输入的query中获取实体词；

所述步骤S7中的匹配具体为：利用步骤S6得到的属性词在所述实体词对应的结构化信息中匹配，得到对应的属性值信息。

9.一种结构化信息抽取装置，其特征在于，包括：

语句集合获取模块，用于从语料中获取包含预设属性词的语句集合；

seed集合获取模块，用于从所述语句集合中获取包含预设属性值的语句作为种子seed，构成seed集合；

pattern抽取模块，用于从各seed中抽取模板pattern构成所述预设属性词对应的pattern集合，所述pattern包括：与属性值相邻的字符串以及seed中满足预设特征要求的特征值；

属性值抽取模块，用于利用pattern集合中的各pattern到所述语句集合获取单元获取的语句集合中抽取属性值，得到所述预设属性词对应的属性值集合。