[发明专利]人物属性信息抽取方法及装置

说明书

本发明提供了一种人物属性信息抽取方法及装置，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；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。本发明提供的人物属性信息抽取方法及装置，可实现自动识别人物信息，节省了人力，并提高了人物属性信息抽取的准确性。

技术领域

本发明涉及信息识别技术领域，特别涉及一种人物属性信息抽取方法及装置。

背景技术

人物属性信息抽取是信息抽取的一种，具体指从非结构化文本中提取与人物实体相关的特定属性信息，比如该人物实体的出生日期、配偶、子女、教育、头衔等等。人物属性信息抽取在信息挖掘、事件跟踪、人名消歧等研究中有着重要作用。此外，人物属性抽取还可以构建人物信息库，构建社会网络，甚至为搜索引擎提供信息源。

现有技术中一般采用如下方式进行人物属性信息抽取：使用触发词、词典与规则相结合的方法，通过触发词缩小人物属性搜索范围，建立城市、学校、头衔等类别词典定位人物属性，最后依据规则进行属性归属判断和抽取。采用这种方法准确率会比较低，而且需要人工扩充词典和规则。

另一种方法是在人物属性信息抽取任务中使用句子分类与规则相结合的方法，通过调整分词系统解决人物属性识别问题。再根据句中是否含有多个叙述人物对句子进行分类，依据分析语料总结的语言规律制定词典和规则，进行归属判断和属性提取。采用这种方法后句子分类及规则匹配的效率较低，规则需要人工制定，而且可移植性较差。

再一种方法中将人物属性信息抽取作为实体关系抽取的一种，通过获取描述人物属性的触发词，将触发词和人名间的描述关系转化为分类问题，该方法在训练分类器时需要大量人工标注语料，同时还需要用到语义资源。

综上所述，现有的人物属性抽取的方法均需要大量人工操作的协助方可完成。

发明内容

本发明实施例提供了一种人物属性信息抽取方法及装置，以实现自动抽取人物属性信息。

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的人物属性信息抽取方法，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；

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。

较优地，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。

较优地，所述提示词列表的构建方法包括：