[发明专利]一种人名识别方法及装置

权利要求书

1.一种人名识别方法，其特征在于，包括：

接收待识别人名语料；

调取人名识别模型，所述人名识别模型是预先利用人名知识库和视频知识库训练预设机器学习分类模型得到的，具体的，从所述人名知识库中分别提取歧义人名列表和可信人名列表，利用所述歧义人名列表从所述视频知识库中抽取歧义人名语料，并提取所述歧义人名语料的歧义人名特征，利用所述可信人名列表从所述视频知识库中抽取可信人名语料，并提取所述可信人名语料的可信人名特征，使用所述歧义人名语料的歧义人名特征和所述可信人名语料的可信人名特征对所述预设机器学习分类模型进行训练，得到所述人名识别模型；

利用所述人名识别模型识别所述待识别人名语料中所包含的人名；

其中，所述提取所述歧义人名语料的歧义人名特征，包括：对所述歧义人名语料进行特征抽取，得到第一特征列表，所述第一特征列表中包含有多个特征；对所述歧义人名语料进行分词，得到多个第一语料词组；为所述第一特征表中与所述第一语料词组相同的特征以及抽取所述歧义人名语料的歧义人名分别添加标签，并将添加标签的所述特征和所述歧义人名转换为特征序列；

其中，所述提取所述可信人名语料的可信人名特征，包括：对所述可信人名语料进行特征抽取，得到第二特征列表，所述第二特征列表中包含有多个特征；对所述可信人名语料进行分词，得到多个第二语料词组；为所述第二特征表中与所述第二语料词组相同的特征以及抽取所述可信人名语料的可信人名分别添加标签，并将添加标签的所述特征和所述可信人名转换为特征序列。

2.根据权利要求1所述的方法，其特征在于，所述从所述人名知识库中分别提取歧义人名列表和可信人名列表，包括：从人名知识库中获取歧义人名，并生成包含有所述歧义人名的歧义人名列表；从所述人名知识库中获取除所述歧义人名以外的非歧义人名；调取搜索日志，并利用所述搜索日志从所述非歧义人名中选取可信人名；生成包含有所述可信人名的可信人名列表。

3.根据权利要求1所述的方法，其特征在于，所述利用所述歧义人名列表从视频知识库中抽取歧义人名语料，包括：

对于视频知识库中每一个视频文本，获取所述视频文本的标题；

对所述标题进行分词，得到多个标题词组；

判断所述多个标题词组中是否包含所述歧义人名列表中的至少一个歧义人名；

若包含，将所述视频文本确定为歧义人名文本；

生成包含有全部所述歧义人名文本的歧义人名语料。

4.根据权利要求3所述的方法，其特征在于，所述将所述视频文本确定为歧义人名文本，之前，还包括：

分别计算所述视频文本与所述视频文本所包含的至少一个所述歧义人名之间的文本相似距离；

判断计算得到的至少一个所述文本相似距离中是否存在大于距离阈值的文本相似距离；

若存在，则执行所述将所述视频文本确定为歧义人名文本，这一步骤。