[发明专利]实体关系抽取方法和装置

权利要求书

1.一种实体关系抽取方法，包括：

获取至少一个三元组；

对网页集合中的每个网页进行第一处理以获得所述每个网页的第一处理数据，其中，所述第一处理数据是该网页的概要信息，所述第一处理数据包括表示该页面的用于索引的实体名称第一分量，表示该页面的信息框中的内容第二分量，以及表示该页面的正文文本的句子集合的第三分量；

基于所述至少一个三元组和所述每个网页的第一处理数据的第一分量和第二分量确定所述网页集合中与每个所述三元组所涉及的实体最相关的网页；

基于所述至少一个三元组对所述最相关的网页的第一处理数据进行第二处理，以得到第二处理数据，其中，所述第二处理数据是将所述至少一个三元组中的至少一个要素补充到所述第一处理数据的第二分量中所形成的数据，其中，所述至少一个要素为谓语要素；

基于所述第二处理数据，在所述网页集合中选择网页并对选择的网页进行第三处理，以得到第三处理数据，将所述第三处理数据作为用于所述实体关系抽取方法的训练集的一部分，其中，所述第三处理为从所选择的网页的第一数据的第三分量中选择句子作为样例并对所述样例自动标注；

利用基于所述训练集而生成的训练集生成模型进行所述实体关系抽取。

2.如权利要求1所述的方法，如果所述样例满足约束条件，则将所述样例的自动标注数据标识为正例数据，作为用于实体关系抽取的训练集的一部分。

3.如权利要求2所述的方法，如果所述样例不满足所述约束条件，则将所述样例的自动标注数据标识为反例数据，作为用于实体关系抽取的训练集的一部分。

4.如权利要求1所述的方法，其中，利用所述三元组对应的知识图谱的rdf:type进行所述自动标注。

5.如权利要求1所述的方法，其中，所述至少一个三元组具有s,p,o的形式，s表示主语，o表示宾语，p为表示所述主语与所述宾语之间的关系的谓语。

6.如权利要求1至5之一所述的方法，其中，通过所述训练集训练神经网络分类器来生成所述训练集生成模型。

7.如权利要求1至5之一所述的方法，其中，从DBpedia获取所述至少一个三元组，从Wikipedia获取所述网页集合。

8.根据权利要求1至5之一所述的方法，其中，利用基于语义的相关性确定所述最相关的网页。

9.一种实体关系抽取装置，包括：

至少一个处理器，被配置成执行如权利要求1至8之一所述的方法。

10.一种存储有计算机可读的程序指令的计算机可读介质，当所述程序指令由计算机执行时，实现根据权利要求1至8中任一项所述的方法。