[发明专利]网站校对信息的建立方法及装置

权利要求书

1.一种网站校对信息的建立方法，其特征在于，包括：

获取预设网站内的内容页面中的页面内容；

将所述页面内容拆分为句子，并对每个句子进行分词；

从所述分词中确定人物与职称关系；

将所述人物与职称关系保存到人物职称库，所述人物职称库用于存储所述人物与职称关系。

2.根据权利要求1所述的方法，其特征在于，从所述分词中确定人物与职称关系包括：

基于隐马尔可夫模型HMM提取所述分词中的命名实体，所述命名实体包含：人物、职称、机构、地点；

从所述命名实体中获取人物、职称以及人物与职称对应的修饰与被修饰关系；

判断按照所述人物与职称对应的修饰与被修饰关系是否能够确定人物与职称关系；

若按照所述人物与职称对应的修饰与被修饰关系能够确定人物与职称关系，则基于所述人物与职称对应的修饰与被修饰关系确定人物与职称关系；

若按照所述人物与职称对应的修饰与被修饰关系不能够确定人物与职称关系，则基于预设语法规则对所述人物和/或所述职称所在的句子进行匹配，并确定人物与职称关系。

3.根据权利要求2所述的方法，其特征在于，所述获取预设网站内的内容页面中的页面内容包括：

基于爬虫程序获取预设网站内的内容页面中的页面内容。

4.根据权利要求3所述的方法，其特征在于，基于爬虫程序获取预设网站内的内容页面中的页面内容包括：

判断所述预设网站内的页面是否为所述内容页面；

若所述预设网站内的页面不是所述内容页面，则获取所述页面内的网页链接地址，基于所述网页链接地址获取对应的页面，并重复执行判断所 述预设网站内的页面是否为所述内容页面；

若所述预设网站内的页面是所述内容页面，则基于所述爬虫程序获取所述内容页面中的所述页面内容。

5.根据权利要求1-4中任一项所述的方法，其特征在于，在将所述人物与职称关系保存到人物职称库之前，所述方法还包括：

将不同预设网站确定的所述人物与职称关系进行合并；

将所述人物与职称关系保存到人物职称库包括：

将合并后的不同预设网站确定的所述人物与职称关系归并，并保存到所述人物职称库。

6.一种网站校对信息的建立装置，其特征在于，包括：

获取单元，用于获取预设网站内的内容页面中的页面内容；

拆分单元，用于将所述获取单元获取的所述页面内容拆分为句子；

分词单元，用于对所述拆分单元拆分的每个句子进行分词；

确定单元，用于从所述分词单元的所述分词中确定人物与职称关系；

保存单元，用于将所述确定单元确定的所述人物与职称关系保存到人物职称库，所述人物职称库用于存储所述人物与职称关系。

7.根据权利要求6所述的装置，其特征在于，所述确定单元包括：

提取模块，用于基于隐马尔可夫模型HMM提取所述分词中的命名实体，所述命名实体包含：人物、职称、机构、地点；

获取模块，用于从所述提取模块提取的所述命名实体中获取人物、职称以及人物与职称对应的修饰与被修饰关系；

判断模块，用于判断按照所述获取模块获取的所述人物与职称对应的修饰与被修饰关系是否能够确定人物与职称关系；

确定模块，用于当所述判断模块判断按照所述人物与职称对应的修饰与被修饰关系能够确定人物与职称关系时，基于所述人物与职称对应的修饰与被修饰关系确定人物与职称关系；

处理模块，用于当所述判断模块判断按照所述人物与职称对应的修饰与被修饰关系不能够确定人物与职称关系时，基于预设语法规则对所述人物和/或所述职称所在的句子进行匹配，并确定人物与职称关系。

8.根据权利要求7所述的装置，其特征在于，所述获取单元，还用于基于爬虫程序获取预设网站内的内容页面中的页面内容。