[发明专利]一种信息处理的方法及装置

权利要求书

1.一种信息处理的方法，其特征在于，所述方法包括：

通过分词系统和实体识别系统标记非结构化文本文件中包括的指示代词和实体机构的机构名称；

获取所述指示代词属于的代词分类；

当所述代词分类为预指类全局有效代词时，在所述非结构化文本文件中查找位于所述指示代词之后的第一个被标记的机构名称并确定为所述指示代词所指代的实体机构的机构名称；

当所述代词分类为回指类局部有效代词时，在所述非结构化文本文件中查找位于所述指示代词之前的第一个被标记的机构名称并确定为所述指示代词所指代的实体机构的机构名称；

当所述代词分类为回指类全局有效代词时，在所述非结构化文本文件中确定首次出现所述指示代词的位置，查找位于所述位置之前的第一个被标记的机构名称并确定为所述指示代词所指代的实体机构的机构名称；

在所述非结构化文本文件中将所述指示代词替换为所述指示代词所指代的实体机构的机构名称。

2.如权利要求1所述的方法，其特征在于，所述获取所述指示代词属于的代词分类，包括：

确定所述指示代词所属于的指示代词集合，所述指示代词集合包括预设的至少一个指示代词；

根据所述指示代词集合的集合标识，从集合标识与代词分类的对应关系中获取所述指示代词属于的代词分类。

3.如权利要求1或2所述的方法，其特征在于，所述通过分词系统和实体识别系统标记非结构化文本文件中包括的指示代词和实体机构的机构名称之后，还包括：

根据预设的规则表达式识别所述非结构化文本文件包括的实体机构的简称和全称，所述规则表达式定义了实体机构的简称对应的句式结构；

将所述非结构化文本文件包括的所述实体机构的简称替换为所述实体机构的全称。

4.如权利要求3所述的方法，其特征在于，所述根据预设的规则表达式识别所述非结构化文本文件包括的实体机构的简称和全称，包括：

从所述非结构化文本文件中识别出所述预设的规则表达式所定义的句式结构的字符串，所述字符串包括实体机构的简称；

从所述非结构化文本文件中查找位于所述字符串之前的第一个被标记的机构名称并确定为所述实体机构的机构名称为所述实体机构的全称。

5.一种信息处理的装置，其特征在于，所述装置包括：

识别模块，用于通过分词系统和实体识别系统标记非结构化文本文件中包括的指示代词和实体机构的机构名称；

获取模块，用于获取所述指示代词属于的代词分类；

确定模块，用于当所述代词分类为预指类全局有效代词时，在所述非结构化文本文件中查找位于所述指示代词之后的第一个被标记的机构名称并确定为所述指示代词所指代的实体机构的机构名称；当所述代词分类为回指类局部有效代词时，在所述非结构化文本文件中查找位于所述指示代词之前的第一个被标记的机构名称并确定为所述指示代词所指代的实体机构的机构名称；当所述代词分类为回指类全局有效代词时，在所述非结构化文本文件中确定首次出现所述指示代词的位置，查找位于所述位置之前的第一个被标记的机构名称并确定为所述指示代词所指代的实体机构的机构名称；

替换模块，用于在所述非结构化文本文件中将所述指示代词替换为所述指示代词所指代的实体机构的机构名称。

6.如权利要求5所述的装置，其特征在于，所述获取模块包括：

第一确定单元，用于确定所述指示代词所属于的指示代词集合，所述指示代词集合包括预设的至少一个指示代词；

获取单元，用于根据所述指示代词集合的集合标识，从集合标识与代词分类的对应关系中获取所述指示代词属于的代词分类。

7.如权利要求5或6所述的装置，其特征在于，

所述识别模块，还用于根据预设的规则表达式识别所述非结构化文本文件包括的实体机构的简称和全称，所述规则表达式定义了实体机构的简称对应的句式结构；

所述替换模块，还用于将所述非结构化文本文件包括的所述实体机构的简称替换为所述实体机构的全称。

8.如权利要求7所述的装置，其特征在于，所述识别模块包括：

识别单元，用于从所述非结构化文本文件中识别出所述预设的规则表达式所定义的句式结构的字符串，所述字符串包括实体机构的简称；

查询标记单元，用于从所述非结构化文本文件中查找位于所述字符串之前的第一个被标记的机构名称并确定为所述实体机构的机构名称为所述实体机构的全称。