[发明专利]信息抽取方法和信息抽取设备

说明书

本发明公开了一种信息抽取方法和信息抽取设备。该信息抽取方法包括：对句子进行名词短语NP识别和标注；将句子中的每个词转换为词向量；对于具有至少两个NP的句子，将两个相邻NP之间的词附近的词的词向量和标注输入到关系抽取模型中，以确定所述两个相邻NP之间的词是否是关系词；以及根据关系词确定结果，判断所述两个相邻NP之间是否存在关系。

技术领域

本发明一般地涉及信息处理技术领域。具体而言，本发明涉及一种能够无指导地、快速地、扩展性好地进行开放信息抽取的方法和设备。

背景技术

随着信息技术的发展，承载信息的数据量以几何级数增长。从海量的数据中抽取有效的信息是至关重要的。开放信息抽取技术旨在解决这一问题。开放信息抽取技术所针对的语料并不固定于某一领域，抽取的结果一般以三元组{实体，关系，实体}的形式存在。

传统的开放信息抽取技术主要有三种。第一种开放信息抽取方法依赖于人工标注，因此属于有指导的方法。利用人工标注的语料来训练分类器，经训练的分类器可以处理包含人工标注内容的新语料。这种方法的缺点在于如果新语料中包含没有被训练过(也就是没有人工标注过)的内容，该方法无法提取相关信息。举例来说，训练语料中包括人工标注过的“XX出生于YY”，那么经训练的分类器只能抽取出“XX出生于YY”类型的信息，无法抽取出“XX诞生于YY”和“XX的生日是YY”类型的信息。

第二种开放信息抽取方法依赖于人为制定的规则。显然，规则执行起来比较机械，扩展性不好。而且，第二种方法一般需要进行句法分析，导致处理速度较慢。

第三种开放信息抽取方法引用语义信息如syntactic parser。但是这会极大地影响处理速度。

因此，本发明旨在提出一种无指导地、快速地、扩展性好地进行开放信息抽取的方法和设备。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

本发明的目的是提出一种能够无指导地、快速地、扩展性好地进行开放信息抽取的方法和设备。

为了实现上述目的，根据本发明的一个方面，提供了一种信息抽取方法，该信息抽取方法包括：对句子进行名词短语NP识别和标注；将句子中的每个词转换为词向量；对于具有至少两个NP的句子，将两个相邻NP之间的词附近的词的词向量和标注输入到关系抽取模型中，以确定所述两个相邻NP之间的词是否是关系词；以及根据关系词确定结果，判断所述两个相邻NP之间是否存在关系。

根据本发明的另一个方面，提供了一种信息抽取设备，该信息抽取设备包括：识别标注装置，被配置为：对句子进行名词短语NP识别和标注；词向量转换装置，被配置为：将句子中的每个词转换为词向量；关系词确定装置，被配置为：对于具有至少两个NP的句子，将两个相邻NP之间的词附近的词的词向量和标注输入到关系抽取模型中，以确定所述两个相邻NP之间的词是否是关系词；以及关系判断装置，被配置为：根据关系词确定结果，判断所述两个相邻NP之间是否存在关系。

另外，根据本发明的另一方面，还提供了一种存储介质。所述存储介质包括机器可读的程序代码，当在信息处理设备上执行所述程序代码时，所述程序代码使得所述信息处理设备执行根据本发明的上述方法。

此外，根据本发明的再一方面，还提供了一种程序产品。所述程序产品包括机器可执行的指令，当在信息处理设备上执行所述指令时，所述指令使得所述信息处理设备执行根据本发明的上述方法。

附图说明