[发明专利]一种基于随机森林改进的实体解析方法

权利要求书

1.一种基于随机森林改进的实体解析方法，其特征在于，包括以下步骤：

S1：提供一个包括k个决策树的随机森林F，其中k＝1，2...N；提供若干个字符串B_i，其中i＝1，2...N；并执行如下训练步骤：

S1.1：给定若干个样本数据表Ai，其中i＝1，2...N；

S1.2：从Ap表中随机选择一组Xp元组，从Aq表中随机选择与所述Ap表可能匹配的一组Xq元组，将所述Xp与所述Xq配对组成样本S，其中：p∈i，q∈i，p≠q；

S1.3：检查所述Ap表与所述Aq表的模式，创建一组特性，使用所述特性将所述样本S中的元组对转换为特征向量；

S1.4：使用S1.3中的所述特征向量训练所述随机森林F；

S2：执行修剪步骤，所述修剪步骤包括：

S2.1：从所述k个决策树中提取m个决策树T₁，T₂...T_m，分别使用所述T₁，T₂...T_m执行每一个所述字符串B_i，得到输出C₁，C₂...C_m，所述m为正确解析所需要的最小的决策树数量，所述正确解析为所述随机森林F将所述字符串B_i正确解析为实体；

S2.2：建立集合I＝C₁∩C₂∩...∩C_m；

S3：执行验证步骤，所述验证步骤包括：

S3.1：建立集合J＝(C₁∪C₂∪...∪C_m)\(C₁∩C₂∩...∩C_m)；

S3.2：从所述随机森林F中提取n个决策树R₁，R₂...R_n，使用所述R₁，R₂...R_n执行所述集合J，以生成集合K₁，K₂...K_n，且其中

S4：所述随机森林F输出实体解析结果为I∪K₁∪K₂∪...∪K_n。

2.根据权利要求1所述的一种基于随机森林改进的实体解析方法，其特征在于，S3.2中，(R₁，R₂...R_n)∪(T₁，T₂...T_m)＝随机森林F。

3.根据权利要求1所述的一种基于随机森林改进的实体解析方法，其特征在于，S1.2中，在所述A_q表中构建反向索引，使用所述反向索引快速查找所述A_q表中与所述X_p元组共享x个符号的元组，组成X_q元组，其中x≥2。

4.根据权利要求2所述的一种基于随机森林改进的实体解析方法，其特征在于，S2中，在执行前对所述k个决策树进行修剪。