[发明专利]基于维基百科的中英文跨语言实体匹配方法有效
| 申请号： | 201611005395.X | 申请日： | 2016-11-11 |
| 公开（公告）号： | CN106570191B | 公开（公告）日： | 2020-05-26 |
| 发明（设计）人： | 鲁伟明;戴豪;庄越挺 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F16/955 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 刘静;邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于维基百科的中英文跨语言实体匹配方法。本发明首先通过wikidump获得中英文维基百科页面数据，并对数据预处理，具体为：提取每个页面的标题，摘要，目录，全文文本，链出链接，链入链接，分类信息；将中文维基页面的标题翻译成英文；对摘要，目录和全文文本分别分词；提取中英文维基百科中已存在的页面跨语言链接和分类跨语言链接。然后，针对每个中文维基页面，根据链出链接信息，获取他的英文跨语言页面候选集。接着，计算中文页面与它的英文跨语言页面候选集之间的特征。最后，构建排序模型，对当前中文页面的英文跨语言页面候选集进行相似度排序，并将相似度最高的英文跨语言页面候选集作为当前中文页面的跨语言链接。 | ||
| 搜索关键词： | 基于 百科 中英文 语言 实体 匹配 方法 | ||
【主权项】：
一种基于维基百科的中英文跨语言实体匹配方法，其特征在于，包括以下步骤：1)预处理中英文维基页面：1.1)提取每个页面的标题，摘要，目录，全文文本，链出链接，链入链接，分类等信息；1.2)将中文维基页面的标题翻译成英文；1.3)对摘要，目录和全文文本分别分词；1.4)提取中英文维基百科中已存在的普通页面跨语言链接和分类页面跨语言链接。2)通过步骤1)提取的页面链出链接和已存在的普通页面跨语言链接，提取每一个中文维基页面的英文跨语言页面候选集。3)针对步骤2)中每一个中文维基页面，计算它与它的英文跨语言页面候选集中每一个页面之间的特征，包括人工特征、主题特征、文档向量特征。4)以步骤3)所得到的数据作为数据集，构建排序模型，对当前中文页面的英文跨语言页面候选集进行相似度排序，并将相似度最高的英文跨语言页面候选集中的页面作为当前中文页面的跨语言链接。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611005395.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种新型物料结算系统
- 下一篇：一种驾驶人动态风险感知能力的测试与评价方法
