[发明专利]一种信息提取方法和装置

权利要求书

1.一种信息提取方法，其特征在于，包括：

根据给定的语义关系，获取与所述语义关系对应的实体对，根据所述实体对获取第一实例；所述第一实例为含有所述实体对的语句；

对所述第一实例中不具有给定语义关系的实例进行删减，得到第二实例，包括：

根据所述实体对，对每个所述第一实例进行第一特征抽取，构建第一实例-特征矩阵M_nf，n为所述第一实例的个数，f为所有所述第一特征的个数；其中，所述第一特征包括词汇特征和/或句法特征；

构建语义关系-第一实例矩阵M_rn；r为所述语义关系的个数；

构建语义关系-特征矩阵M_rf，M_rf＝M_rn*M_nf；

通过非负矩阵分解方法将语义关系-特征矩阵M_rf分解为M_rk*M_kf，k＜f；M_rk为所述语义关系在潜在语义空间中的表示矩阵；

将M_nf*M_kf^T，得到M_nk；其中，M_nk为所述第一实例在潜在语义空间中的表示矩阵；

根据M_nk与M_rk^T，得到所述第一实例与所述语义关系的相似度；

根据所述相似度，在所述第一实例中，筛选出所述第二实例。

2.根据权利要求1所述的信息提取方法，其特征在于，根据给定的语义关系，获取与所述语义关系对应的实体对，根据所述实体对获取第一实例，包括：

根据给定的语义关系，从知识库中获取对应所述语义关系的实体对；

使用命名实体识别工具，对数据库中包含命名实体的语句进行标记；

从标记的语句中检索出包含所述实体对的第一实例。

3.根据权利要求1所述的信息提取方法，其特征在于，根据M_nk与M_rk^T，得到所述第一实例与所述语义关系的相似度，包括：

根据M_nk与M_rk^T，通过余弦相似度，得到所述第一实例与所述语义关系的相似度。

4.根据权利要求1所述的信息提取方法，其特征在于，根据所述相似度，在所述第一实例中，筛选出所述第二实例，包括：

对所述相似度进行归一化处理，使每个所述第一实例与所有所述语义关系的相似度之和为1；

根据每个所述第一实例对应的归一化处理后的相似度，计算每个所述第一实例的信息熵；

选取信息熵小于预定阈值的所述第一实例作为所述第二实例。

5.根据权利要求1所述的信息提取方法，其特征在于，还包括：

根据所述实体对，对每个所述第二实例进行第二特征的抽取，训练出分类器，所述分类器的目标分类为给定的所述语义关系；其中，所述第二特征包括词汇特征和/或句法特征；

根据所述分类器，从文本语句中识别给定的所述语义关系并分类。

6.根据权利要求5所述的信息提取方法，其特征在于，根据所述分类器，从文本语句中识别给定的所述语义关系并分类，包括：

使用命名实体识别工具，对数据库中包含命名实体的语句进行标记；

从标记的语句中检索出包含所述实体对的文本语句；

根据所述分类器，识别所述文本语句中的所述实体对对应的所述语义关系并分类。

7.根据权利要求1-6任一项所述的信息提取方法，其特征在于，

所述词汇特征包括所述实体对在语句中的位置、所述实体对之间的词序列、所述实体对之间的词性序列、所述实体对的大小为X的左窗口、以及所述实体对的大小为X的右窗口中至少一种；其中，X≥0；

所述句法特征包括所述实体对之间的最短依存路径、所述实体对的大小为Y的左窗口、以及所述实体对的大小为Y的右窗口中至少一种；其中，Y≥0。