[发明专利]一种基于句法语义的农业领域关系抽取方法

权利要求书

1.一种基于句法语义的农业领域关系抽取方法，其特征在于：包括以下步骤：

步骤S1：从农业专业网站爬取农业知识相关文本，并构建农业领域的语料库；

步骤S2：抽取有效表达实体关系的特征，所述特征包括实体内容特征、词性特征、实体上下文内容特征，上文词内容特征、上文词性特征、下文词内容特征、下文词性特征、命名实体特征和父节点内容特征；

步骤S3：将步骤S2抽取得到的特征数字化，构造特征向量；

步骤S4：采用支持向量机SVM算法进行模型的训练；

步骤S5：利用训练后的模型进行关系抽取测试。

2.根据权利要求1所述的一种基于句法语义的农业领域关系抽取方法，其特征在于：步骤S1具体包括以下步骤：

步骤S11：对农业文本的关系定义为7类：别名、原产地、成分、子类、荣誉称号、价值和其他；

步骤S12：爬取农业类专业网站的词条，并对爬取到的词条做交集处理，根据词条爬取互动百科上相应的农业数据；

步骤S13：对原始文本进行统一编码处理并分句，对其中的标点符号统一处理为中文格式，最后对文本进行分词处理；

步骤S14：对分词处理后的文本标注出实体，对句子中出现的所有实体进行两两组合，构造得到实体对；

步骤S15：对步骤S14得到的实体对，判断其在文本中体现出来的关系并进行关系的标注，构造出三元组(Entity1,Entity2,Relation)；

步骤S16：重复步骤S13至步骤S15，得到所有句子及句子中所有的三元组，即构造完农业领域的语料库。

3.根据权利要求1所述的一种基于句法语义的农业领域关系抽取方法，其特征在于：步骤S2中，各个特征的抽取方法为：

实体内容特征抽取：选取一个已经训练好的词向量，通过查找词嵌入将每个输入的词映射到稠密向量中；一个由n个词组成的实体表示为Entity＝{W₁，W₂，....，W_n}；对于n大于1的实体，表示该实体不止由一个词组成；

词性特征抽取：一个由n个词组成的实体表示为Entity＝{W₁，W₂，....，W_n}，一个实体为单个或多个词组成，选择最后一个词词性代表这个实体的词性；具体操作如下：调用jieba对句子做词性标注；对实体Entity进行分词，分词结果记为{W₁，W₂，....，W_n}；选取实体分析后的最后一个词W_n，在词性标注的结果中查找Wn的词性作为词性特征；

上文词内容特征抽取：首先，对于句子S表示为S＝{w₁,w₂,...,w_pre,entity,w_post,...,w_m}，抽取实体entity左边的词w_pre，查找词w_pre对应的词嵌入作为上文内容；

上文词性特征抽取：查找所述词性特征抽取中词性标注的结果中上文的词性；

下文词内容特征抽取：首先，对于句子S表示为S＝{w₁,w₂,...,w_pre,entity,w_post,...,w_m}，抽取实体entity右边的词w_post，查找词w_post对应的词嵌入作为下文内容；

下文词性特征：查找所述词性特征抽取中词性标注的结果中下文的词性；

命名实体特征抽取：对句子使用命名实体进行标注，查找实体对应的命名实体类型，由于实体是由多个词组成{W₁，W₂，....，W_n}，取最后一个词W_n的实体类型代表整个实体的类型；

父节点内容特征：对句子进行依存句法分析，在分析结果中查找实体{W₁，W₂，....，W_n}中W_n对应的父节点w_sup，查找词w_sup对应的词嵌入作为父节点内容。