[发明专利]人物属性信息抽取方法及装置

权利要求书

1.一种人物属性信息抽取方法，其特征在于，所述方法包括：

对获取的待抽取数据进行标点句分割，得到多个第一标点句数据；

对所述多个第一标点句数据进行实体识别，判断每个所述第一标点句数据中是否同时包含人名和指定提示词；所述指定提示词为存在于预先构建的提示词列表中的提示词；所述提示词列表根据频繁模式增长算法构建得到；所述提示词包括：在人物属性信息之前的、用于提示该人物属性信息的提示词；所述实体识别包括对词语进行识别得到特定意义的实体；

从同时包含所述人名和所述指定提示词的第一标点句数据中，抽取人物属性信息；所述人物属性信息至少包括所述人名、所述指定提示词以及与所述指定提示词相关的人物属性。

2.根据权利要求1所述的方法，其特征在于，所述提示词列表的构建方法包括：

对获取的人物百科数据进行标点句分割，得到多个第二标点句数据；

对每个第二标点句数据进行实体识别，判断每个第二标点句数据中是否包含人名；

将人名插入每个不包含人名的所述第二标点句数据中；

通过频繁模式增长算法挖掘每个第二标点句数据中的关联规则；所述关联规则通过共现概率参数来表示人名与提示词的关联性；所述共现概率参数用于表示人名和提示词的共现概率；

选取关联规则中共现概率参数超过预设阈值的关联规则，对所选取的关联规则中的提示词进行提取，构建所述提示词列表。

3.根据权利要求1所述的方法，其特征在于，所述提示词列表的构建方法包括：

对获取的人物百科数据进行标点句分割，得到多个第二标点句数据；

对每个第二标点句数据进行实体识别，判断每个第二标点句数据中是否包含人名；

将预设人名标记插入每个不包含人名的所述第二标点句数据中；所述预设人名标记为预先设定的用来表征人名的特定标识；

通过频繁模式增长算法挖掘每个第二标点句数据中的关联规则；所述关联规则通过共现概率参数来表示预设人名标记与提示词的关联性；所述共现概率参数用于表示预设人名标记和提示词的共现概率；

选取关联规则中共现概率参数超过预设阈值的关联规则，对所选取的关联规则中的提示词进行提取，构建所述提示词列表。

4.根据权利要求2或3任一项所述的方法，其特征在于，所述方法还包括：

对所述第一标点句数据或所述第二标点句数据分别进行分词处理、停用词过滤处理。

5.根据权利要求4所述的方法，其特征在于，所述频繁模式增长算法为并行化的频繁模式增长算法。

6.一种人物属性信息抽取装置，其特征在于，所述装置包括：

待抽取数据标点句分割模块，用于对获取的待抽取数据进行标点句分割，得到多个第一标点句数据；

第一标点句数据实体识别模块，用于对所述多个第一标点句数据进行实体识别，判断每个所述第一标点句数据中是否同时包含人名和指定提示词；所述指定提示词为存在于预先构建的提示词列表中的提示词；所述提示词列表根据频繁模式增长算法构建得到；所述提示词包括：在人物属性信息之前的、用于提示该人物属性信息的提示词；所述实体识别包括对词语进行识别得到特定意义的实体；

人物属性信息抽取模块，用于从同时包含所述人名和所述指定提示词的第一标点句数据中，抽取人物属性信息；所述人物属性信息至少包括所述人名、所述指定提示词以及与所述指定提示词相关的人物属性。