[发明专利]一种进行学术人物信息抽取和聚合的方法

权利要求书

1.一种进行学术人物信息抽取和聚合的方法，其特征在于，具体步骤如下：

步骤一，数据获取：通过训练的网页分类器对搜索引擎的返回结果进行分类，得到数据，网页分类过程包括采用tf-idf算法对数据进行向量化表示和训练SVM分类器模型参数；

步骤二，数据预处理：对步骤一中得到的数据进行预处理和切块，得到预处理后的数据，预处理为对步骤一中得到的数据采用正则处理、分词处理和去停用词处理；

步骤三，信息块预标记：采用fastText对预处理的数据进行预标注，得到预标注后的数据；

步骤四，信息标注：将预标记后的标签作为输入，采用HMM对信息块进行序列化标注，得到标注后的数据；

步骤五，信息聚合：采用计算BLEU值的方式来评价标注后的数据的相似度，将聚合后的数据展示出来即可。

2.根据权利要求1所述的进行学术人物信息抽取和聚合的方法，其特征在于，所述步骤一的数据中学术人物姓名均采用英文姓名。

3.根据权利要求1所述的进行学术人物信息抽取和聚合的方法，其特征在于，所述步骤三中预标注包括通过fastText预标注和隐马尔可夫模型进行序列标注。

4.根据权利要求1所述的进行学术人物信息抽取和聚合的方法，其特征在于，所述步骤四中BLEU值的计算公式如下：n代表N-gram的参数，BP表示惩罚因，c表示引用文本的长度，r表示参考文本长度，Candidates属于参考文本，Count()为某N-gram的计数器，Count_clip()函数为某N-gram在引用文本和参考文本中出现次数的最小值。

5.根据权利要求1或2所述的进行学术人物信息抽取和聚合的方法，其特征在于，所述步骤一中训练的网页分类器采用SVM分类器。