[发明专利]一种基于句子的实体名识别的方法

说明书

一种基于句子的实体名识别的方法，包括学习阶段：输入句子，判断句子中是否有实体名，后将句子中的实体名逐个替换成其所对应的抽象事物，将没有抽象事物的部分作为关键字，再对每个关键字单独存储抽象句子信息；还包括识别阶段：对新句子进行分词，通过关键字查找出其对应的抽象句子，判断是否有合适的抽象句子，最后根据匹配到的最合适的抽象句子，猜测实体名。本发明依靠少量的基础数据，从句子的角度，识别出相同实体名下的各种词、字、短语的实体名，不需提前训练数据，节省大量精力、时间，即使未做过标记的没有词性的句子也不影响本发明方法性能，既方便，效果又显著。

技术领域

本发明涉及计算机信息处理技术领域，特别涉及一种基于句子的实体名识别的方法。

背景技术

在计算机对语言的处理过程中，未录入词库的实体名的识别一直是汉语自然语言处理的一大难题，偏偏汉语的实体名很多，根本无法一一录入词库，因此在自然语言处理中，准确及时地识别新的实体名称是非常重要的。常见的实体名称，例如北京大学、北京理工大学等，可录入词库，但很多不是很常见的实体名称，例如北京自动化研究所、北京外国语大学等机构名或公司名，这些实体名称太多，无法一一统计和记录，便需要在语言处理时识别出来，包括一些不常见的人名和地名，都属于实体名识别的范围，所以对汉语自然语言处理的实体名识别是非常重要和迫切的。

现有的对汉语语言处理的实体名识别大多是从词的角度上、基于大数据的机器学习方法，即现有技术通过分词以后，再进行二次实体名判断处理，便需要首先录入大量的词在实体名中的位置和作用，例如：北京自动化研究所，分词之后是——北京、自动化、研究所，再分别判断北京、自动化、研究所是否存在实体名的可能，如果存在，则判断组成的实体名是否合理，整个过程都有对应的机器学习算法计算，通过统计学方法计算出组成实体名的概率，概率足够高，便可认为是实体名。这种实体名的识别方法虽然可以识别出很多实体名，但是都需要大量的统计数据，即必须要事先收集足够的数据，根据需要标记数据，之后才能训练数据，训练好的数据才能用于识别实体名，并且依靠分词的效果才得以实现，对于没有录入的属于实体名的新词，便没有办法识别出来，范围较小，运行起来不够方便。

发明内容

本发明要解决的技术问题是：提供一种不需要大量数据且不需要提前训练的、从句子的角度来对实体名进行识别的方法，以克服已有技术所存在的上述不足。

本发明采取的技术方案是：一种基于句子的实体名识别的方法，包括以下步骤：

（一）学习阶段：

A．学习开始，输入句子，判断句子中是否有实体名，若是，进入步骤B，若否，进入步骤D；

B．将句子中识别出的实体名逐个替换成其所对应的抽象事物，将没有抽象事物的部分作为关键字，所述抽象是对物体的一种概括，包括实体名，不属于实体名的也可以赋予一种抽象；

C．对每个关键字单独存储抽象句子信息，进入步骤F；

D．学习结束；

（二）识别阶段：

E．识别开始，输入新句子，对新句子进行分词，通过关键字查找出其对应的抽象句子；

F．判断是否有合适的抽象句子，若是，进入步骤G，若否，进入步骤I；

G．根据匹配到的最合适的抽象句子，猜测实体名；

H．持续猜测，判断猜测次数是否足够，若是，则猜测的结果为实体名的识别结果，进入步骤I，若否，进入步骤C；

I．识别结束。

由于采用上述技术方案，本发明之一种基于句子的实体名识别的方法具有如下有益效果：

1. 本发明通过对新句子中关键字的抽象句子进行匹配，查找出新的实体名最合适的抽象句子，进而分词截取出实体名的识别结果，从而识别出从未见过的实体名词，不同于现有技术从词的角度上识别实体名，本发明从句子的角度来识别实体名，基于一定的知识储备下，可以识别出相同实体名下的各种词、字、短语的实体名，不拘于识别的词是否录入；