[发明专利]一种全网实体关联方法及系统有效
申请号: | 201910419656.X | 申请日: | 2019-05-20 |
公开(公告)号: | CN110245197B | 公开(公告)日: | 2022-01-28 |
发明(设计)人: | 任可欣;冯知凡;汪琦;张强;张扬 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06F16/28 | 分类号: | G06F16/28;G06F16/951 |
代理公司: | 北京鸿德海业知识产权代理有限公司 11412 | 代理人: | 田宏宾 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 实体 关联 方法 系统 | ||
1.一种全网实体关联方法,其特征在于,包括以下步骤:
从全网网页库中获取网页数据,提取所述网页数据的标题及正文;
根据所述网页数据的标题及正文确定所述网页对应的实体以及实体的上下文信息,从知识库中确定所述实体对应的实体描述信息,基于实体的上下文信息与所述实体对应的实体描述信息之间的相似度,以生成所述网页对应的实体关联结果;
将所述实体关联结果回灌到所述全网网页库中。
2.根据权利要求1所述的方法,其特征在于,所述根据所述网页数据的标题及正文确定所述网页对应的实体,从知识库中确定所述实体对应的实体描述信息以生成所述网页对应的实体关联结果包括:
确定所述标题中的实体;从所述正文中提取所述实体的上下文信息;
从知识库中确定所述实体对应的实体描述信息;
计算所述实体的上下文信息与所述实体对应的实体描述信息之间的相似度;
基于所述相似度,生成所述网页对应的实体关联结果。
3.根据权利要求2所述的方法,其特征在于,所述将所述实体关联结果回灌到所述全网网页库中包括:
利用所述实体对应的实体描述信息对所述正文中的实体进行关联。
4.根据权利要求1所述的方法,其特征在于,所述根据所述网页数据的标题及正文确定所述网页对应的实体,从知识库中确定所述实体对应的实体描述信息以生成所述网页对应的实体关联结果包括:
判断所述网页的实时性;
对实时性低于或等于阈值的网页,进行批量刷库;
对于实时性高于阈值的网页,进行流式刷库。
5.根据权利要求4所述的方法,其特征在于,所述批量刷库包括:
采用Hadoop机制,根据所述网页数据的标题及正文生成与所述网页对应的实体关联结果。
6.根据权利要求4所述的方法,其特征在于,所述流式刷库包括:
采用网格计算系统,根据所述网页数据的标题及正文生成所述网页对应的实体关联结果。
7.一种全网实体关联系统,其特征在于,包括:
提取单元,用于从全网网页库中获取网页数据,提取所述网页数据的标题及正文;
生成单元,用于根据所述网页数据的标题及正文确定所述网页对应的实体以及实体的上下文信息,从知识库中确定所述实体对应的实体描述信息,基于实体的上下文信息与所述实体对应的实体描述信息之间的相似度,以生成所述网页对应的实体关联结果;
回灌单元,用于将所述实体关联结果回灌到所述全网网页库中。
8.根据权利要求7所述的系统,其特征在于,所述生成单元具体用于:
确定所述标题中的实体;从所述正文中提取所述实体的上下文信息;
从知识库中确定所述实体对应的实体描述信息;
计算所述实体的上下文信息与所述实体对应的实体描述信息之间的相似度;
基于所述相似度,生成所述网页对应的实体关联结果。
9.根据权利要求8所述的系统,其特征在于,所述回灌单元具体用于:
利用所述实体对应的实体描述信息对所述正文中的实体进行关联。
10.根据权利要求7所述的系统,其特征在于,所述生成单元包括:
判断子模块,用于判断所述网页的实时性;
批量刷库子模块,用于对实时性低于或等于阈值的网页,进行批量刷库;
流式刷库子模块,用于对于实时性高于阈值的网页,进行流式刷库。
11.根据权利要求10所述的系统,其特征在于,所述批量刷库子模块具体用于:
采用Hadoop机制,根据所述网页数据的标题及正文生成与所述网页对应的实体关联结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910419656.X/1.html,转载请声明来源钻瓜专利网。