[发明专利]一种从Web网页中获取汉语全称的方法

摘要

本发明涉及一种从Web网页中获取汉语全称的方法，包括输入已知简称，选择查询模式来构造查询项，提交查询项到Google中获取锚文本，再从锚文本中获取全简称语料，最后利用提取算法提取候选全称，并利用优先级综合函数对候选全称进行排序；其中查询模式有两种，对应的提取全称的提取算法也有两种。本发明还定义了全简称关系的本体，包括一组约束公理和一组约束函数，其中约束公理定性地表示全称和简称之间的约束，约束函数集定量地表示了全称和简称之间的约束，并基于全简称本体提出了一种全称的验证方法和分类方法。本发明可实现全称的大规模、高准确率的获取，并探讨了用计算机实现全称的分类，为大规模知识的智能获取提供了有效的支撑。

主权项

一种从Web网页中获取汉语全称的方法，其特征在于：包括一下步骤：步骤1、输入一个给定的汉语简称；步骤2、选择查询模式来构造查询项，将查询项提交到Google搜索引擎中搜索，保存前N项锚文本作为锚语料；步骤3、通过正则表达式，从锚语料中获取出包含查询项的关系的句子，保存下来作为全简称语料；步骤4、利用简称提取算法EFN从全简称语料中提取出候选全称，形成候选全称集合；步骤5、对候选全称集合进行基于全简称关系约束的验证，形成全称集合；步骤6、对全称集合进行基于全简称关系约束的分类，从而形成带有类别标注的全称集合。