[发明专利]一种基于外部数据源对用户生成内容进行语义标注的方法

摘要

本发明公开了一种基于外部数据源对用户生成内容进行语义标注的方法，包括如下步骤：预处理步骤：对用户生成内容进行聚类，得到一个以上语义实体；配置步骤：根据语义实体中的关键词生成查询语句，根据查询语句搜索外部资源，从中定位抓取与语义实体相关的页面集合，并根据相关程度对页面集合中的各页面赋予权重值；语义标注步骤：按所述权重值在页面集合中抽取出与语义实体相关的信息，用于对语义实体进行补充标注，得到扩展优化的语义实体。本发明对低质量的语义实体进行优化扩展。本发明在现有信息抽取方法进行分词及聚类处理的基础之上，再使用信息量大且数据格式规范的外部资源进行优化扩展，从而得到高质量的语义实体。

主权项

一种基于外部数据源对用户生成内容进行语义标注的方法，其特征在于，包括如下步骤：预处理步骤：对用户生成内容进行聚类，得到一个以上语义实体；配置步骤：根据所述语义实体中的关键词生成查询语句，根据所述查询语句搜索外部资源，从中定位抓取与所述语义实体相关的页面集合，并根据相关程度对所述页面集合中的各页面赋予权重值，所述权重值用于页面与语义实体的相关程度；语义标注步骤：按所述权重值在所述页面集合中抽取出与所述语义实体相关的信息，用于对所述语义实体进行补充标注，得到扩展优化的语义实体。