[发明专利]舆情事件的实体关系抽取方法和装置

摘要

本发明提供了一种舆情事件的实体关系抽取方法，包括对舆情事件的文本集合进行分词；从分词得到的切分单元中抽取主题短语；基于聚类方法从主题短语中获取子主题；从子主题中获取实体关系。本发明还提供了一种舆情事件的实体关系抽取装置，包括分词模块，用于对舆情事件的文本集合进行分词；主题短语模块，用于从分词得到的切分单元中抽取主题短语；子主题模块，用于基于聚类方法从主题短语中获取子主题；实体关系模块，用于从子主题中获取实体关系。本发明提高了抽取舆情事件的实体关系的性能。

主权项

一种舆情事件的实体关系抽取方法，其特征在于，包括：对舆情事件的文本集合进行分词；从分词得到的切分单元中抽取主题短语；基于聚类方法从所述主题短语中获取子主题；从所述子主题中获取所述实体关系；其中，从分词得到的切分单元中抽取主题短语包括：对所述文本集合进行分词时还对所述文本集合进行断句、词性标注和禁用词标记；对于断句得到的每一句中连续的所述切分单元进行组合，对生成的词串统计词频，以词频作为指标进行过滤；利用改进的C‑Value算法计算所述词串的词频，以词串计算后的词频作为指标进行过滤，改进的C‑Value算法公式为：log2|a|*f(a)当a没有被包含现象其它其中，a表示所述词串，||表示取词串的长度，f(a)表示a的词频，b表示包含了a的长串特征项，Ta表示b的集合；计算过滤的词串之间的重复度，对于重复度大于第二预设阀值的词串进行合并得到所述主题短语，其中，被标记为禁用词的切分单元不作为组合单元，词性打分低于第一预设阀值的切分单元，不作为词串的开头与结尾。