[发明专利]一种信息挖掘方法和装置、一种用于信息挖掘的装置

说明书

本发明实施例提供了一种信息挖掘方法和装置、一种用于信息挖掘的装置，其中的方法具体包括：从网页文本语料中获取包含预置谓语的目标语句；从所述目标语句对应的句法分析结果中提取主语和宾语；依据提取得到的主语和宾语，建立实体‑属性对，并保存所述实体‑属性对。本发明实施例可以从时效性更强的网页文本中及时地挖掘出新增实体或者实体的最新属性，进而能够提高实体信息的时效性。

技术领域

本发明涉及互联网信息技术领域，特别是涉及一种信息挖掘方法和装置、一种用于信息挖掘的装置。

背景技术

随着互联网信息技术，特别是无线互联网信息技术的快速发展，信息服务变得越来越普遍。信息服务提供商提供信息服务时，例如，搜索引擎提供搜索服务等，通常会利用实体提供信息服务。具体地，可将现实世界中的客观事物称为实体，例如概念、事物或事件等。举例来说，影视剧“剧名A”、明星“人名A”、作家“人名B”都是实体的实例。同时，每个实体具有属性，属性反映实体的相关信息，例如，“题材A”、“174cm”、“民族A”分别是上述实体“剧名A”、“人名A”、“人名B”对应的属性。

现有的信息挖掘方案可以从网站的结构化数据中定向抓取实体属性对，抓取的实体属性对中，一个实体可以包括多个属性。例如，“人名B”对应的属性可以包括：“出生地”、“毕业院校”、“信仰”、“界别”、“民族”、“职务”、“国籍”、“代表作品”、“出生日期”、“身高”、“成名作品”、“所获荣誉”等。现有的信息挖掘方案具有较高的挖掘精度和挖掘效率。

在实际应用中，随着互联网信息技术的发展，实体或者实体对应属性的更新速度较快，这样，将出现新增实体或者实体的属性发生变化等。例如，随着时间的推移，将新增网络流行的实体“实体A”、“实体B”等；或者，随着时间的推移，实体“人名C”对应的“主要成就”、“目标”等属性将发生变化，例如，在2016百富榜公布后，其对应的“主要成就”将新增“2016中国首富”。然而，网站的结构化数据对于实体或者实体对应属性的更新速度通常低于实体或者实体对应属性本身的更新速度，因此，现有的信息挖掘方案将无法及时地挖掘出新增实体或者实体的最新属性。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的信息挖掘方法、信息挖掘装置及用于信息挖掘的装置，本发明实施例可以从时效性更强的网页文本中及时地挖掘出新增实体或者实体的最新属性，进而能够提高实体信息的时效性。

为了解决上述问题，本发明公开了一种信息挖掘方法，包括：

从网页文本语料中获取包含预置谓语的目标语句；

从所述目标语句对应的句法分析结果中提取主语和宾语；

依据提取得到的主语和宾语，建立实体-属性对，并保存所述实体-属性对。

另一方面，本发明公开了一种信息挖掘装置，包括：

目标语句获取模块，用于从网页文本语料中获取包含预置谓语的目标语句；

主宾提取模块，用于从所述目标语句对应的句法分析结果中提取主语和宾语；

实体属性对建立模块，用于依据提取得到的主语和宾语，建立实体-属性对；以及

实体属性对保存模块，用于保存所述实体-属性对。

可选地，所述装置还包括：

关键属性获取模块，用于从实体对应的多个属性中获取对所述实体有指向性的关键属性；

实体关键属性对建立模块，用于依据所述实体和所述关键属性，建立实体-关键属性对；

实体关键属性对保存模块，用于保存所述实体-关键属性对。

可选地，所述关键属性获取模块包括：