[发明专利]职位信息图谱生成方法、装置、设备和介质

权利要求书

1.一种职位信息图谱生成方法，其特征在于，包括：

识别语料中每个语句中的触发词，其中，所述触发词用于表示就职或者卸任的实体关系；

确定所述触发词在每个语句中的位置；

根据所述触发词的位置，抽取每个语句中的实体对、以及所述实体关系的时间区间；

基于所述实体关系、实体对、以及所述实体关系的时间区间，生成职位信息图谱；

其中，在基于所述实体关系、实体对、以及所述实体关系的时间区间，生成职位信息图谱之前，所述方法还包括：

根据预设的约束条件，对抽取得到的实体对进行过滤，得到最终的实体对；其中，所述约束条件包括：针对每个实体对，实体关系对应的时间区间的数量，以及实体对中主体和客体在语句中的位置关系。

2.根据权利要求1所述的方法，其特征在于，所述识别语料中每个语句中的触发词，包括：

对所述语料中的每个语句进行分词，得到每个语句中的多个词语；

将所述多个词语分别在预先确定的触发词表中进行匹配；

将匹配成功的词语确定为所述触发词。

3.根据权利要求2所述的方法，其特征在于，在将所述多个词语分别在预先确定的触发词表中进行匹配之前，所述方法还包括：

将通过对所述语料中的每个语句进行分词得到的各词语进行词性标注；

根据知识抽取需求，以及词性标注的动词在所述语料中的词频信息，确定所述触发词表。

4.根据权利要求1所述的方法，其特征在于，根据所述触发词的位置，抽取每个语句中的实体对、以及所述实体关系的时间区间，包括：

根据所述触发词的位置，确定每个语句中的其他词语与所述触发词的距离；

基于每个语句的分词序列、所述触发词的位置、以及每个语句中的其他词语与所述触发词的距离，利用预先训练的特征提取模型，对每个语句进行特征提取；

基于每个语句的提取特征，对每个语句中的词语进行分类标注，得到所述实体对、以及所述实体关系的时间区间。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

将训练语料集中每个语句的分词序列、每个语句中触发词的位置、以及每个语句中的其他词语与触发词的距离，作为训练输入；

将所述训练语料集中每个语句中关于实体对和实体关系的时间区间的标记结果，作为训练输出；

基于所述训练输入和所述训练输出，训练得到多元数据抽取模型，使得利用所述多元数据抽取模型执行所述特征提取和所述分类标注操作。

6.根据权利要求1所述的方法，其特征在于，在基于所述实体关系、实体对、以及所述实体关系的时间区间，生成职位信息图谱之前，所述方法还包括：

如果每个语句中主体和客体之间的对应关系为一对多，则根据每个语句中主体和客体的位置关系，对实体对进行筛选，得到最终的实体对。

7.根据权利要求1所述的方法，其特征在于，在基于所述实体关系、实体对、以及所述实体关系的时间区间，生成职位信息图谱之前，所述方法还包括：

如果每个语句中主体和客体之间的对应关系为多对多，则根据每个语句中的标点符号对每个语句进行切分，得到多个短语；

将包含所述触发词的短语中的主体和客体确定为最终的实体对。

8.根据权利要求1所述的方法，其特征在于，在基于所述实体关系、实体对、以及所述实体关系的时间区间，生成职位信息图谱之前，所述方法还包括：

如果所述触发词用于表示卸任的实体关系，则将所述实体关系的时间区间中的时间起点替换时间终点，并将所述时间起点设置为空值。

9.根据权利要求1所述的方法，其特征在于，每个实体对中的客体包括地点、部门和职位；

在基于所述实体关系、实体对、以及所述实体关系的时间区间，生成职位信息图谱之前，所述方法还包括：

如果抽取的实体对中客体缺乏所述地点和部门中的任意一个，则按照职位在每个语句中的出现顺序，将在前职位对应的地点和部门作为在后职位的地点和部门。