[发明专利]一种信息抽取方法及装置

权利要求书

1.一种信息抽取方法，其特征在于，所述方法包括：

根据预设词库对预设文本进行分词，得到第一分词结果；

基于所述预设词库，从所述第一分词结果中提取包括的多个待定词，所述多个待定词不包括所述第一分词结果；

从所述多个待定词中确定出没有包含关系的待定词作为对所述第一分词结果的信息抽取结果；

其中，若所述信息抽取结果包括第一待定词和第二待定词，则所述方法还包括：

基于所述预设词库，判断所述第一待定词和所述第二待定词是否包括交叉词，所述交叉词为所述第一待定词中的一部分，且为所述第二待定词中的一部分；

若包括，则判断所述交叉词的属性和第一待定子词的属性是否相同，若相同，则将所述交叉词从所述第二待定词中去除，得到修改后的第二待定词；若不相同，则将所述交叉词从所述第一待定词中去除，得到修改后的第一待定词，所述第一待定子词为所述第一待定词中与所述交叉词相邻的词；

其中，所述根据预设词库对预设文本进行分词，得到第一分词结果包括：根据预设词库对预设文本进行分词，得到表示症状、表示时间和表示其他的分词结果，其中，所述表示为其他的分词结果为不在所述预设词库中的分词结果。

2.根据权利要求1所述的方法，其特征在于，所述从所述多个待定词中确定出没有包含关系的待定词作为对所述第一分词结果的信息抽取结果包括：

按照每个待定词的首字和/或尾字在所述第一分词结果中的位置，对所述多个待定词进行排序；

若当前待定词存在相邻的下一个待定词，则判断所述当前待定词是否与所述相邻的下一个待定词具有包含关系，若否，则将所述当前待定词和/或所述相邻的下一个待定词作为所述信息抽取结果，所述当前待定词为所述多个待定词中的其中一个待定词。

3.根据权利要求2所述的方法，其特征在于，若所述当前待定词与所述相邻的下一个待定词具有包含关系，则所述方法还包括：

若所述当前待定词包含所述相邻的下一个待定词，则将所述当前待定词覆盖所述相邻的下一个待定词，并令所述相邻的下一个待定词为当前待定词，执行所述判断所述当前待定词是否包含所述相邻的下一个待定词的步骤；

若所述当前待定词被所述相邻的下一个待定词包含，则令所述相邻的下一个待定词为所述当前待定词，执行所述判断所述当前待定词是否包含所述相邻的下一个待定词的步骤。

4.根据权利要求1所述的方法，其特征在于，若所述交叉词的属性和第一待定子词的属性相同，则所述方法还包括：

将所述第一分词结果、所述第一待定词和所述修改后的第二待定词之间的映射关系进行存储；

若所述交叉词的属性和第一待定子词的属性不相同，则所述方法还包括：

将所述第一分词结果、所述修改后的第一待定词和所述第二待定词之间的映射关系进行存储。

5.一种信息抽取装置，其特征在于，所述装置包括：

分词单元，用于根据预设词库对预设文本进行分词，得到第一分词结果；

提取单元，用于基于所述预设词库，从所述第一分词结果中提取包括的多个待定词，所述多个待定词不包括所述第一分词结果；

确定单元，用于从所述多个待定词中确定出没有包含关系的待定词作为对所述第一分词结果的信息抽取结果；

其中，所述装置还包括：

交叉词判断单元，用于若所述信息抽取结果包括第一待定词和第二待定词，基于所述预设词库，判断所述第一待定词和所述第二待定词是否包括交叉词，所述交叉词为所述第一待定词中的一部分，且为所述第二待定词中的一部分；

属性判断单元，用于若包括，则判断所述交叉词的属性和第一待定子词的属性是否相同；

修改单元，用于若相同，则将所述交叉词从所述第二待定词中去除，得到修改后的第二待定词；若不相同，则将所述交叉词从所述第一待定词中去除，得到修改后的第一待定词，所述第一待定子词为所述第一待定词中与所述交叉词相邻的词；

其中，所述根据预设词库对预设文本进行分词，得到第一分词结果包括：根据预设词库对预设文本进行分词，得到表示症状、表示时间和表示其他的分词结果，其中，所述表示为其他的分词结果为不在所述预设词库中的分词结果。