[发明专利]一种面向新闻标题的人物关系抽取方法

权利要求书

1.一种面向新闻标题的人物关系抽取方法，其特征在于，包括如下步骤：

1)寻找出新闻标题中的关系指示词，用以区分不同类别的人物关系；

2)根据人物与关系指示词在新闻标题中的位置特征，建立描述句子的句式模板；利用训练数据统计每个模板的正/负例个数，根据正负模板的比例判定新闻标题中人物间关系的正确性；所述建立描述句子的句式模板，是根据句子中的表达人物关系的<主语S、谓语P、宾语O>三元组，得到描述句子的句式模版树；该句式模板树的第一层仅考虑人物X与关系指示词Y的位置关系，分为三类：YXX，XYX，XXY；第二层考虑除去X以外的人M对于关系判定的影响，对于第一层的各模板产生若干子模板；第三层考虑除去M、X、Y的字串@对于第二层模板的影响，进一步产生若干子模板；然后用给定句子在句式模板树上进行匹配，选择匹配到的模板中正/负比例最悬殊的模板，若选定模板的正例个数大于负例个数，则关系正确，否则关系错误；

3)从新闻标题与人物属性知识库中提取特征，通过特征分类的方法并结合步骤2)得到的句式模板的正/负例个数，判定给定的人物关系是否正确。

2.如权利要求1所述的方法，其特征在于，步骤1)在寻找关系指示词之前进行数据清洗，通过制定启发式规则直接判定不符合条件的新闻标题。

3.如权利要求2所述的方法，其特征在于，所述启发式规则包括：

①如果新闻标题中不存在给定关系的关系指示词，则人物关系错误；

②如果给定人物的名字+相邻字为人名，则人物关系错误；

③如果给定人物或者给定关系出现在书名号中，则人物关系错误；

④如果“给定人物+各种亲戚朋友”出现在句子中，则人物关系错误。

4.如权利要求1所述的方法，其特征在于，步骤1)利用最小覆盖的方法寻找出新闻标题中的关系指示词，其方法是：对于给定的某一种关系类型的数据，记训练集为P＝{p₁,p₂,...,p_n}，其中p_i为第i条文本标题，i＝1,2,…n；对P进行分词处理后获取一个词典数据W＝{w₁,w₂,...,w_m}，其中w_i为词典中第i个单词,i＝1,2,…m；关系类型的关系指示词提取转化为在词典中寻找一个子集并满足：S能够覆盖P，即P的每条语料p_i中至少有一个单词在S中出现；将求解训练集P的最小覆盖单词集S作为关系指示词。

5.如权利要求1所述的方法，其特征在于，步骤3)提取句子中人物的知识库特征、关系指示词特征、词间距特征，作为候选特征，再利用信息增益选择特征，最后利用决策树判定人物关系是否正确。