[发明专利]一种面向在线百科的事件识别方法和事件关系抽取方法

说明书

技术领域

本发明涉及信息技术领域，尤其涉及一种面向在线百科的事件识别方法和事件关系抽取方法。

技术背景

在线百科是一种在线的、内容开放、自由的网络百科全书，涵盖了所有领域的知识。其采用群体在线合作编辑的机制，所有人共同编写，让知识在一定的技术规则和文化脉络下得到不断的组合发展。在线百科是用来构建语义知识库的优质来源，具有下列特点：

（1）开放共享：大部分页面都可以由任意用户使用浏览器进行阅览、修改、创建主题及条目等，并且任何用户都可以免费下载、引用、收藏及分享它的内容。

（2）互动协作：来自世界各地的用户都可以基于该平台针对某一主题内容展开交流研讨，通过不断编写和修订，最终完善相应的词条与内容。

（3）实效性高：与传统的百科全书相比，在线百科会在第一时间补充社会科技文化的新概念、新动态，保证知识的时效性。由于计算机的高效率，在线百科便于快速的词条定位，比起纸质百科要迅速的多。

（4）信息全面、相对准确：在线百科的大部分知识点都是经过不同的用户多次编辑形成的，保证了内容的准确性。

著名的在线百科包括维基百科和互动百科等。截至2012年8月为止，维基百科整个计划总共有285种各自独立运作的语言版本，包括2,247,890,085个词条。中文维基百科于2002年10月24日正式成立，截至2012年12月21日，已拥有611,358个词条。互动百科是全球最大的中文百科网站，截止到目前，已有6,866,625位网友共同编写了7,895,067个词条。

对于数目如此庞大的词条，在线百科大多具有相对完善的分类体系。该分类体系提取词条之间共同的特征作为分类，将大规模的词条有效地组织到一起。通常，分类体系以“分类树”的形式存在，每个分类有父类和子类（即子分类）用来概述或细化这些概念。分类反映了词条的共同特征，从而可以作为识别词条类别的有效工具。由于在线百科具有时效性和信息全面性等特点，人们往往希望通过在线百科来了解事件（事件一般是指历史上或社会上已经发生的产生相当影响的事情）的经过、预测同类事件在将来的发展，以及对事件进行溯源，以便对特定事件采取预防措施。这就需要从在线百科中识别出“事件”类词条，并且抽取事件与事件之间的关系，然而现有的在线百科并没有提供识别“事件”类词条以及分析事件之间关系的功能。

发明内容

针对上述问题，根据本发明的一个实施例，提供一种面向在线百科的事件识别方法，所述方法包括：

步骤1）、从在线百科的分类体系中得到事件类分类标签；所述事件类分类标签表示该分类标签下的词条与一个或多个事件有关。

步骤2）、对于所述在线百科中的词条，根据其所有分类标签中属于所述事件类分类标签的分类标签所占比率，判断所述词条是否是事件类词条。

上述技术方案中，所述步骤1）包括：

步骤11）、从在线百科的分类体系中找到表示该分类下的词条与一个或多个事件有关的分类，作为种子分类；

步骤12）、将种子分类以及该种子分类下的所有子分类加入事件类分类标签。

上述技术方案中，所述步骤1）还包括：

将所述种子分类下的词条作为种子词条；以及

根据种子词条的命名规则或者对应的页面特征，统计具有事件特征的种子词条的分类标签，将该分类标签加入所述事件类分类标签。

上述技术方案中，所述步骤2）包括：

对于所述在线百科中的词条，计算其属于所述事件类分类标签的分类标签个数与其所有分类标签个数的比率，如果该比率大于预定阈值，则将所述词条作为事件类词条。

上述技术方案中，所述步骤2）还包括：

对于所述在线百科中的词条，根据其命名规则或者对应的页面特征来判断所述词条是否是事件类词条。

根据本发明的一个实施例，还提供一种面向在线百科的事件关系抽取方法，包括：

步骤A）、根据权利要求1-6中任何一个所述的面向在线百科的事件识别方法得到所述在线百科的所有事件类词条；

步骤B）、对于所述在线百科中的每个事件类词条，在其对应页面按照页面层级结构抽取其子事件，并且确定所得到的子事件与所述事件类词条的关联关系。

上述技术方案中，所述步骤B）包括：

步骤B1）、对于所述在线百科中的每个事件类词条，根据所述在线百科的页面结构提取该事件类词条对应页面下每一级页面的段落作为子事件，并且将该事件类词条对应页面到该子事件对应页面的所有标题合并作为该子事件的标题；