[发明专利]一种面向链接数据的实体分类方法和系统

摘要

本发明公布了一种面向链接数据的实体分类方法和系统，针对链接数据的实体分类问题，包括预处理、统计分类和后处理过程；其中，预处理通过对实体页面中的文本描述信息进行分词；由信息框的属性名和分词得到的词信息构成实体页面特征；统计分类过程采用多种切分粒度来训练统计分类模型对实体页面进行分类，得到实体类别的初步预测结果；后处理过程对实体统计分类结果进行修正，包括模型融合、语言知识、链接信息以及利用类别关联属性信息对融合后的实体类别进行修正等方法。本发明技术方案易实现、易调试、效率高、精度好，适合用来链接数据进行知识管理；能够实现对实体进行高精准分类。

主权项

1.一种面向链接数据的实体分类方法，所述链接数据为多个实体页面，所述实体页面包含文本描述和信息框；所述实体分类方法包括预处理阶段、统计分类阶段和后处理阶段，具体包括如下步骤：1)在预处理阶段过程，通过对实体页面中的文本描述信息进行分词，切分得到词信息；由信息框的属性名和所述词信息构成实体页面的特征；2)在统计分类阶段，利用所述实体页面的特征，采用多种切分粒度来训练统计分类模型对实体页面进行分类，得到实体类别的初步预测结果；3)在后处理阶段，对实体类别的初步预测结果进行修正，得到修正后的实体分类类别；所述修正包括如下步骤：31)通过多粒度模型融合方法，将采用多个切分粒度训练的统计分类模型得到的实体类别的初步预测结果进行融合，得到融合后的实体类别结果；32)构建类别属性数据库，利用类别属性数据库库中的类别关联属性信息，对融合后的实体类别进行修正，得到类别关联属性修正后的实体类别；33)利用语法分析方法分析句子结构，通过对文本描述首句进行深度理解步骤32)所得到的类别关联属性修正后的实体类别，获取首句深度理解修正后的实体类别信息。