[发明专利]藏语实体知识信息抽取方法

权利要求书

1.一种藏语实体知识信息抽取方法，其特征在于，所述方法包括：

从藏汉文本语料信息中，抽取藏汉可比语料信息；

从所述藏汉可比语料信息中，抽取出实体等价对；

从所述实体等价对中，抽取出藏汉跨语言实体关系；

从所述的藏汉跨语言实体关系中，抽取出藏语“实体-属性-值”三元组；

将所述三元组存储到藏语实体知识语义资源库。

2.根据权利要求1所述的从藏汉文本语料中，抽取藏汉可比语料信息的方法，其特征在于，所述抽取藏汉可比语料信息具体为，利用藏汉双语网页对应的网页信息构建多特征藏汉可比语料获取模型，或者对网络信息进行跨语言链接关联处理，从而获取到所述藏汉可比语料信息。

3.根据权利要求2所述的多特征藏汉可比语料获取模型的构建方法，其特征在于，所述多特征藏汉可比语料获取模型具体为，通过对所述的藏汉文本语料进行分词处理，获取藏汉可比语料相似特征，构建多特征藏汉可比语料获取模型。

4.根据权利要求1所述的从所述藏汉可比语料信息中抽取出实体等价对的方法，其特征在于，所述抽取出实体等价对具体为，从自然标注的网页信息中抽取出实体等价对，或者利用平行句对最大字连续交集模型抽取出实体等价对。

5.根据权利要求4所述的平行句对最大字连续交集模型的建立方法，其特征在于，建立平行句对最大字连续交集模型，具体为；

对所述藏汉可比语料信息进行藏汉双语分词处理，获取藏汉平行句对；

对所述藏汉平行句对建立汉语命名实体倒排索引表；

在所述倒排索引表中每个所述的汉语命名实体对应的藏汉平行句对集合中，计算两个藏语句对的最大字连续交集，所述的最大字连续交集即为所述汉语命名实体对应的藏语等价对。

6.根据权利要求1所述的从所述实体等价对中抽取出藏汉跨语言实体关系的方法，其特征在于，所述抽取出藏汉跨语言实体关系具体为，通过分析藏语浅层语义结构构建实体关系模板，利用半监督学习法抽取实体关系。

7.根据权利要求6所述的分析藏语浅层语义结构构建实体关系模板的方法，其特征在于，所述构建实体关系模板具体为，利用藏语格标记的句法语义作用和动词信息分析藏语句子浅层结构，构建藏语实体和属性值的关系模板。

8.根据权利要求7所述的实体关系模板的构建方法，其特征在于，在所述构建实体关系模板之后，还包括：通过层次聚类过滤和泛化所述关系模板。

9.根据权利要求6所述的利用半监督学习法抽取实体关系的方法，其特征在于，所述利用半监督学习法抽取实体关系具体为：

以包含两个及以上所述命名实体的句子作为样本，采用向量空间模型计算特征的相似度；

利用所述相似度信息，构建实体对近邻图，在所述近邻图上进行标记的传递，直到收敛，推导出未标记实体对的关系。