[发明专利]一种关系词确定方法及装置

说明书

本发明提供了一种关系词确定方法及装置，其中，该方法包括：在对文本进行实体识别处理后，若任意两个实体之间仅存在一个词则将该词作为目标词放入预定义的目标词集合中，分别统计所述目标词集合中所述多个目标词的词频以及所述多个目标词的左右实体搭配类型的频率；分别根据所述多个目标词中每个目标词的词频以及所述每个目标词的左右实体搭配类型的频率计算所述每个目标词的信息熵；根据所述每个目标词的相似词的词频和信息熵信息确定所述每个目标词的可信度值；将所述可信度值大于预定阈值的一个或多个目标词确定为关系词，通过上述方案可以解决相关技术中如何确定能合理描述实体语义关系的关系词的问题。

技术领域

本发明涉及信息技术领域，具体而言，涉及一种关系词确定方法及装置。

背景技术

实体关系抽取作为信息抽取领域的重要环节，其目的是发现或识别实体间的语义关系，比如从文本中提取关系三元组(entity1，relationWord，entity2)，其中(entity1，entity2)是存在关系的实体对，关系词relationWord是描述实体之间语义关系的词或词序列。目前，有不少研究成果显示无论是传统关系抽取方法还是开放式的抽取方法仍需要关系词表的介入，以帮助其提取可靠的、有意义的关系知识，但如何建立覆盖面广泛且能合理描述实体语义关系的关系词表仍存在诸多困难。

针对相关技术如何确定能合理描述实体语义关系的关系词的问题，尚未提出解决方案。

发明内容

本发明实施例提供了一种关系词确定方法及装置，以至少解决相关技术如何确定能合理描述实体语义关系的关系词的问题。

根据本发明的一个实施例，提供了一种关系词确定方法，包括：

在对文本进行实体识别处理后，若任意两个实体之间仅存在一个词则将该词作为目标词放入预定义的目标词集合中；

分别统计所述目标词集合中所述多个目标词的词频以及所述多个目标词的实体搭配类型的频率，其中，所述多个目标词的实体搭配类型的频率是根据所述多个目标词左右实体词的类型确定的；

分别根据所述多个目标词中每个目标词的词频以及所述每个目标词的实体搭配类型的频率确定所述每个目标词的信息熵；

根据所述每个目标词的相似词的词频和信息熵信息确定所述每个目标词的可信度值，其中，所述可信度值用于衡量目标词为关系词的可信度，所述相似词为所述目标词集合中的一个或多个词；

将所述可信度值大于预定阈值的一个或多个目标词确定为关系词。

可选地，在对文本进行实体识别处理后，若任意两个实体之间仅存在一个词则将该词作为目标词放入预定义的目标词集合中之后，所述方法还包括：

对实体识别后的文本进行纠错处理。

可选地，在对文本进行实体识别处理后，若任意两个实体之间仅存在一个词则将该词作为目标词放入预定义的目标词集合中之前，所述方法还包括：

对训练文本进行句子拆分，并对拆分后的句子进行实体识别，得到含有实体标识的文本。

可选地，对训练文本进行句子拆分，并对拆分后的句子进行实体识别包括：

对所述训练文本根据分隔符进行拆分，得到包括多个句子的句子集合，其中，所述分隔符包括以下至少之一：句号、感叹号、问号；

对所述句子集合中的句子进行句法分析；

根据句法分析中的预定标记将所述句子集合中的句子拆分成多个简单句；

对所述多个简单句进行实体识别，并标记识别出的实体词的类型。

可选地，分别根据所述多个目标词中每个目标词的词频以及所述每个目标词的实体搭配类型的频率确定所述每个目标词的信息熵包括：