[发明专利]面向专业文献知识实体的类型抽取系统及方法

摘要

本发明公开了一种面向专业文献知识实体的类型抽取系统，该系统包括：用户查询及反馈接口、在线爬虫及管理模块、知识实体识别模块、知识实体的类型抽取模块、类型标签传播及索引库建立模块、知识实体类型关系图模型构建模块、数据可视化模块。本发明系统能够根据用户查询的实体关键词进行实体类型抽取，然后可视化地呈现出知识实体之间的类型关系、层次关系和时序演变模式。另外，本发明还提出的一种面向专业文献知识实体的类型抽取方法，本发明方法可以有效的对专业领域的知识实体进行类型标签抽取，解决了人工预定义类型的局限性和主观性的问题，有助于专业知识网络的结构化实现。

主权项

1.面向专业文献知识实体的类型抽取方法，其特征在于，采用面向专业文献知识实体的类型抽取系统进行抽取，该抽取系统包括以下7个模块：(a)查询及反馈接口，用于用户的输入处理和查询处理，将数据可视化结果反馈给用户；(b)在线爬虫及管理模块，用于后台自动化地爬取管理员指定或默认的专业文献页面及进行页面数据的预处理；(c)知识实体识别模块，用于对预处理后的文献标题及摘要数据进行知识实体识别；(d)类型标签抽取模块，用于实现对模块(c)中得到的知识实体进行类型标签抽取及部分实体类型标注，得到类型标签集合和部分已标注实体；(e)类型标签传播及索引库建立模块，以模块(c)中的未标知识实体集合、模块(d)的类型标签集合和部分已标注实体为输入，进行基于多标签加权的标签传播及建立知识实体及其类型关系索引库；(f)知识实体类型关系图模型构建模块，根据用户输入的关键词对索引库进行检索，并构建出不同的知识实体类型关系图模型；(g)数据可视化模块，对模块(f)中的模型进行Web可视化实现；该抽取方法包括以下步骤，S1.数据爬取及预处理：管理员设置文献爬取地址和范围，在线爬虫及管理模块在后台根据指定的范围对文献页面进行爬取，同时对爬取的页面数据进行预处理；S2.知识实体识别提取：知识实体识别模块对预处理后的文献信息进行实体识别并提取出来；S3.类型抽取和标注：知识实体类型抽取模块对提取的知识实体进行类型抽取和标注，得到类型标签集合和部分已标注实体；具体步骤如下：(S3‑1)结合文献摘要信息中知识实体的相关上下文以辅助类型标签抽取，以抽取到的知识实体为基础，对文献的摘要进行知识实体匹配，把在摘要中匹配到的知识实体及其后相邻的名词抽取出来，添加到知识实体集合中；(S3‑2)利用基于启发式规则的方法对步骤(S3‑1)中得到知识实体集合进行类型标签抽取，得到候选类型标签集合，类型抽取的同时获得部分已标注实体；(S3‑3)筛选掉不可靠的类型标签，通过统计类型标签与其所属知识实体共现的频次，然后根据频次特征筛选掉共现频次低且对应知识实体出现频次少的类型标签，输出筛选后的类型标签集合；S4.建立索引库：将得到的知识实体及其类型标签集合和部分已标注实体进行数据库存储，进行基于多标签加权的标签传播，得到类型标签矩阵并建立知识实体及其类型的索引库；S5.获取关键字：通过用户查询及反馈接口获取用户查询的知识实体关键字；S6.建立类型列表：根据关键字在步骤S4中创建的索引库进行知识实体索引项进行匹配，从而得到与关键字相关的知识实体列表，按照相似性排序后得到最终的知识实体及其类型列表；S7.根据需求建模：根据用户需求利用知识实体类型关系图模型构建模块对获得的知识实体及其类型列表进行建模；S8.数据可视化：数据可视化模块将步骤S7得到的模型进行Web可视化数据处理，返回JSON数据到前端并实现Web前端可视化演示。