[发明专利]一种中文命名实体识别方法及系统

权利要求书

1.一种中文命名实体识别方法，其特征在于，包括以下步骤：

S1、对目标文本进行基于规则匹配的实体识别，获得第一命名实体集合；

S2、采用统计算法对目标文本进行实体识别，获得第二命名实体集合；

S3、对第一命名实体集合和第二命名实体集合进行清洗后，获得识别结果；

所述步骤S1，具体包括：

S11、将目标文本的内容按句子进行分隔；

S12、对分隔后的目标文本进行基于标点符号规则的内容抽取；

S13、对分隔后的目标文本进行基于句法模板规则的内容抽取；

S14、对分隔后的目标文本进行基于表格特征的内容抽取；

S15、将抽取获得的所有命名实体生成第一命名实体集合；

所述步骤S3，具体包括：

S31、根据预设的噪音词汇库，分别对第一命名实体集合和第二命名实体集合进行数据清洗，剔除噪音词汇；

S32、将清洗后的第一命名实体集合和第二命名实体集合求并集后，作为命名实体识别结果；

所述标点符号规则，根据人们的使用习惯创建；

所述句法模板规则，根据语言习惯创建。

2.根据权利要求1所述的一种中文命名实体识别方法，其特征在于，所述步骤

S2，具体包括：

S21、将目标文本进行分词处理；

S22、基于预设的词性数据库，对分词处理结果进行词性标注；

S23、基于隐马尔可夫模型统计学习方法，对词性标注结果进行统计分析后，将分析获得的命名实体生成第二命名实体集合。

3.一种中文命名实体识别系统，其特征在于，包括以下模块：

第一识别模块，用于对目标文本进行基于规则匹配的实体识别，获得第一命名实体集合；

第二识别模块，用于采用统计算法对目标文本进行实体识别，获得第二命名实体集合；

清洗模块，用于对第一命名实体集合和第二命名实体集合进行清洗后，获得识别结果；

所述第一识别模块，具体包括：

分隔单元，用于将目标文本的内容按句子进行分隔；

第一抽取单元，用于对分隔后的目标文本进行基于标点符号规则的内容抽取；

第二抽取单元，用于对分隔后的目标文本进行基于句法模板规则的内容抽取；

第三抽取单元，用于对分隔后的目标文本进行基于表格特征的内容抽取；

生成单元，用于将抽取获得的所有命名实体生成第一命名实体集合；

所述清洗模块，具体包括：

数据清洗单元，用于根据预设的噪音词汇库，分别对第一命名实体集合和第二命名实体集合进行数据清洗，剔除噪音词汇；

计算单元，用于将清洗后的第一命名实体集合和第二命名实体集合求并集后，作为命名实体识别结果。

4.根据权利要求3所述的一种中文命名实体识别系统，其特征在于，所述第二识别模块，具体包括：

分词处理单元，用于将目标文本进行分词处理；

词性标注单元，用于基于预设的词性数据库，对分词处理结果进行词性标注；

统计分析单元，用于基于隐马尔可夫模型统计学习方法，对词性标注结果进行统计分析后，将分析获得的命名实体生成第二命名实体集合。