[发明专利]实体挖掘系统和方法

说明书

本发明提供一种实体挖掘系统和方法，该系统包括：标注单元，配置用于获取当前领域的第一组知识信息和若干实体，根据该若干实体对第一组知识信息进行标注；规则挖掘单元，配置用于从标注实体的第一组知识信息中筛选若干关联的高频词汇，并筛选若干高频词汇中共现频率最高的若干词组以生成有序关联规则；实体挖掘单元，配置用于获取当前领域的第二组知识信息，根据有序关联规则对第二组知识信息进行挖掘，得到若干实体候选；过滤单元，配置用于根据预定的过滤规则对各实体候选进行过滤，生成实体挖掘结果并输出。本发明利用有序关联规则进行实体挖掘，提高了实体挖掘的准确率，并对挖掘结果进行有效过滤，保障了挖掘结果的准确性。

技术领域

本申请涉及数据挖掘技术领域，具体涉及一种实体挖掘系统和方法。

背景技术

目前，在部分领域中，系统中存储的实体数据不够全面和完善，难以满足用户搜索查询信息的需求，导致用户需要耗费大量的时间进行信息的查找、阅读和判断分析。

例如，在医疗领域中，患者在得知自己患有某种疾病或者推测自己可能有某种疾病时，通常会借助搜索来查找相应的疾病信息，而当系统中没有存储该疾病的名称，或者只存储有该疾病的学名，而没有存储其别名或简称时，就会导致搜索结果难以满足用户的需求，用户需要在搜索时耗费大量的时间和精力进行查找和判断。

现有的实体挖掘的解决方案通常在结构化数据页面内挖掘实体标签和属性，通过预定的无序规则获取实体，挖掘的准确率有待提升。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种通过挖掘有序关联规则对实体进行挖掘以提高挖掘准确率的实体挖掘系统和方法。

第一方面，本发明提供一种实体挖掘系统，该系统包括标注单元、规则挖掘单元、实体挖掘单元和过滤单元。

标注单元配置用于获取当前领域的第一组知识信息和若干实体，根据该若干实体对第一组知识信息进行标注。

规则挖掘单元配置用于从标注实体的第一组知识信息中筛选若干关联的高频词汇，并筛选若干高频词汇中共现频率最高的若干词组以生成有序关联规则。

实体挖掘单元配置用于获取当前领域的第二组知识信息，根据有序关联规则对第二组知识信息进行挖掘，得到若干实体候选。

过滤单元配置用于根据预定的过滤规则对各实体候选进行过滤，生成实体挖掘结果并输出。

第二方面，本发明提供一种实体挖掘方法，该方法包括：

获取当前领域的第一组知识信息和若干实体，根据该若干实体对第一组知识信息进行标注；

从标注实体的第一组知识信息中筛选若干高频词汇，并筛选若干关联的高频词汇中共现频率最高的若干词组以生成有序关联规则；

获取当前领域的第二组知识信息，根据有序关联规则对第二组知识信息进行挖掘，得到若干实体候选；

根据预定的过滤规则对各实体候选进行过滤，生成实体挖掘结果并输出。

第三方面，本发明还提供一种设备，包括一个或多个处理器和存储器，其中存储器包含可由该一个或多个处理器执行的指令以使得该一个或多个处理器执行根据本发明各实施例提供的实体挖掘方法。

第四方面，本发明还提供一种存储有计算机程序的计算机可读存储介质，该计算机程序使计算机执行根据本发明各实施例提供的实体挖掘方法。

本发明诸多实施例提供的实体挖掘系统和方法通过从标注实体的结构化知识信息中筛选关联的高频词汇，并进一步筛选其中共现频率最高的若干词组以生成有序关联规则，再利用该有序关联规则进行实体挖掘，提高了实体挖掘的准确率；并且对挖掘结果进行有效过滤，保障了挖掘结果的准确性；