[发明专利]基于搜索引擎的多源人物属性融合方法

权利要求书

1.一种基于搜索引擎的多源人物属性融合方法，其特征在于，包括：

S1、对两个目标属性集进行属性对齐处理；若存在对应的属性，则记为一个属性对，并执行步骤S2，否则结束；

S2、对每一个有对应关系的属性对计算置信度；步骤S2所述置信度基于搜索引擎页面计数进行计算，具体计算式为：

M＝f(C)

其中，f(C,v_p)为搜索“人物C”和“属性值v_p”的结果页面计数，f(C,v_p,v_q)为搜索“人物C”和“属性值v_p”和“属性值v_q”结果页面计数，max[]表示求最大值，min[]表示求最小值；

或，

步骤S2所述置信度基于片段内容进行计算，具体计算式为：

其中，f(v_q@(C,v_p))指查询人物C和属性名v_p的结果片段中，v_q出现的次数；f(C,v_p)为查询人物C和属性名v_p的结果片段总数；μ表示所取的f(C,v_p)片段总数的比例，μ∈(0,1]；q和p为调节因子；

或，

步骤S2所述置信度采用下式计算：

Con(Tp,Tq,C)＝β×TCDC(T_p,T_q,C)+(1-β)(1-NGDC(T_p,T_q,C))

其中，β为权重，N为搜索引擎索引的总页面数，α为可调参数，TCDC(T_p,T_q,C)表示基于双重检查的人物属性对置信度，NGDC(T_p,T_q,C)表示基于人名和两个属性的共现页面计数的人物属性对置信度；

S3、计算置信度的平均值；若平均值大于阈值，则两个目标属性集属于同一目标人物，否则两个目标属性集不属于同一目标人物。

2.根据权利要求1所述的一种基于搜索引擎的多源人物属性融合方法，其特征在于，步骤S1包括以下分步骤：

S11、建立高置信度属性词典；

S12、基于字符串编辑距离来进行属性名配对；

S13、对于余下的属性名，基于逐点共有信息进行属性对齐。

3.根据权利要求1所述的一种基于搜索引擎的多源人物属性融合方法，其特征在于，步骤S3所述计算置信度的平均值的公式为：

其中，Con(P,Q)为P、Q同属于C的置信度，n为对齐的属性对总数，Con(Tp,Tq,C)为Tp、Tq同属于C的置信度。