[发明专利]基于关键词提取的实体名消岐方法

权利要求书

1.基于关键词提取的实体名消岐方法，其特征在于，包括以下步骤：

以固有监测实体名单中的实体名为基准，从互联网上利用爬虫程序爬取带有实体名或者与实体名相关的未消岐的信息文本作为原始文本；

对原始文本去除非文字部分，采用中文停用词表去除无效连接词，得到待向量化文本；采用适应n＝2的n-gram方法将待向量化文本进行向量化处理，得文本向量；

根据负面词词典将文本向量进行分词过滤，得到分词过滤后的语句；

通过HMM隐马尔科夫模型对分词过滤后的语句中的每个词进行词性标注，得到原始文本的初步实体名；

提取词性标注后的语句的关键词；

计算实体名与关键词之间的相似性；

通过得到的相似性结果得到原始文本与实体名的消岐结果；

HMM隐马尔科夫模型进行词性标注的具体过程为：

将分词过滤后的语句作为观测序列，经过HMM隐马尔科夫模型进行词性标注后的序列为观测序列；

观测序列到隐藏序列是通过viterbi算法，利用语料统计得到的起始概率、发射概率和转移概率来得到的，得到隐藏序列后即完成了词性标注过程。

2.如权利要求1所述的基于关键词提取的实体名消岐方法，其特征在于，中文停用词表通过网络上的开源网站获得。

3.如权利要求1所述的基于关键词提取的实体名消岐方法，其特征在于，负面词词典包括：否定词、实体名所在领域的负面性名词与实体名所在领域的负面性动词。

4.如权利要求1所述的基于关键词提取的实体名消岐方法，其特征在于，关键词的提取采用text-rank、TF-IDF、SKE、word2vec+Kmeans或基于LDA的关键词提取方法中的一种进行。

5.如权利要求1所述的基于关键词提取的实体名消岐方法，其特征在于，使用text-rank、TF-IDF、SKE、word2vec+Kmeans和基于LDA的关键词提取手段进行原始文本的关键词提取。

6.如权利要求1所述的基于关键词提取的实体名消岐方法，其特征在于，文本的命名实体与提取出的关键词的相似性计算是通过word embedding得到的词向量进行计算的。