[发明专利]人物动作相关数据的提取方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种人物动作相关数据的提取方法、装置、设备及存储介质，用于通过中文自然语言处理HanLP算法对文本数据进行句法分析和词性标注，并筛选出正在发生的行为动作的相关数据，提高了数据提取的精确度，降低了提取的数据集的噪声。人物动作相关数据的提取方法包括：获取预置的文本数据；对预置的文本数据进行分类处理，筛选出包含人物信息的文本数据，得到初始文本数据；对初始文本数据进行分词处理和词性标注，生成中间文本数据；对中间文本数据进行依存句法分析和语义依存分析，生成分析文本数据；对分析文本数据进行过滤处理，生成目标文本数据。此外，本发明还涉及区块链技术，目标文本数据可存储于区块链中。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种人物动作相关数据的提取方法、装置、设备及存储介质。

背景技术

自然语言处理包括了自然语言理解和自然语言生成两个部分，实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等，前者称为自然语言理解，后者称为自然语言生成，自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，其中，中文自然语言处理HanLP算法是一种文本数据抽取算法，包括分词、词性标注和实体识别等。

近年来，在大数据和深度学习的推动下，自然语言处理技术发展迅速，目前对文本数据的主谓宾抽取算法大致分为两种，一种是基于深度学习的方法，一种是基于语言规则的方法，基于深度学习的方法需要大量的标注数据，且对与人物动作相关的语言描述的提取效果不理想，而基于语言规则的提取方法误差较大，不符合人物行为动作相关数据提取的需求，且提取的数据噪声大。

发明内容

本发明提供了一种人物动作相关数据的提取方法、装置、设备及存储介质，用于通过中文自然语言处理HanLP算法对文本数据进行句法分析和词性标注，并基于主谓宾的语法关系和情态动词筛选出正在发生的行为动作的相关数据，提高了数据提取的精确度，降低了提取的数据集的噪声。

本发明第一方面提供了一种人物动作相关数据的提取方法，包括：获取预置的文本数据，所述预置的文本数据为包含人物行为动作的小说文本数据；对所述预置的文本数据进行分类处理，筛选出包含人物信息的文本数据，得到初始文本数据；基于预置的中文自然语言处理HanLP算法对所述初始文本数据进行分词处理和词性标注，生成中间文本数据；基于所述预置的中文自然语言处理HanLP算法对所述中间文本数据进行依存句法分析和语义依存分析，生成分析文本数据；对所述分析文本数据进行过滤处理，得到包含多个人物行为动作的目标文本数据。

可选的，在本发明第一方面的第一种实现方式中，所述对所述预置的文本数据进行分类处理，筛选出包含人物信息的文本数据，得到初始文本数据包括：将所述预置的文本数据按照预置的分类规则进行分类，筛选出包含人物代词或人物姓名的文本数据，生成分类文本数据；识别所述分类文本数据中的目标标点符号，并根据所述目标标点符号删除包含人物对话的文本数据，生成初始文本数据，所述目标标点符号用于指示人物对话。

可选的，在本发明第一方面的第二种实现方式中，所述基于预置的中文自然语言处理HanLP算法对所述初始文本数据进行分词处理和词性标注，生成中间文本数据包括：通过标点符号对所述初始文本数据进行分句处理，得到分句结果；基于预置的中文自然语言处理HanLP算法对所述分句结果进行分词处理，得到分词结果；基于所述预置的中文自然语言处理HanLP算法和预置的HanLP词性标注集对所述分词结果进行词性标注，生成中间文本数据。