[发明专利]一种基于自然语言处理的层次化专题属性抽取方法有效
| 申请号： | 201811005109.9 | 申请日： | 2018-08-30 |
| 公开（公告）号： | CN109145089B | 公开（公告）日： | 2021-07-30 |
| 发明（设计）人： | 梁勇奇;杨瑞霞;耿同 | 申请（专利权）人： | 中国科学院遥感与数字地球研究所 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F16/35;G06F16/36 |
| 代理公司： | 北京亿腾知识产权代理事务所(普通合伙) 11309 | 代理人： | 陈霁 |
| 地址： | 100094*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公布了一种基于自然语言处理的层次化专题属性抽取方法，旨在解决较少文本量，多属性类型情况下完整专题信息抽取的难题，包括以下步骤：将英文百科类介绍页面结构化，清洗并句子化，形成总句子语料库；从总句子语料库中随机抽取部分句子，标注其中含有某专业领域属性的句子，形成句子层的语料库；按照7:3的比例，将属性句子语料库划分为训练库和检验库，训练并检验随机森林分类器；(4)使用训练好的随机森林分类器对总句子语料库分类，获得属性句子库；使用文档主题生成模型(LDA和NMF)获取属性句子库中的主题词，标注该专业领域知识的各类型属性词，形成词语层的语料库；将介绍页面词语化，根据属性词语料库，抽取专题属性信息。 | ||
| 搜索关键词： | 一种 基于 自然语言 处理 层次 专题 属性 抽取 方法 | ||
【主权项】：
1.一种基于自然语言处理的层次化专题属性抽取方法，包括以下步骤：1)将英文百科类(如：Wikipedia)介绍页面结构化，清洗并句子化，形成总句子语料库；2)从总句子语料库中随机抽取部分句子，标注其中含有某专业领域属性的句子，形成句子层的语料库——属性句子语料库；3)按照7:3的比例，将属性句子语料库划分为训练库和检验库，训练并检验随机森林分类器；4)使用训练好的随机森林分类器对步骤1)中的总句子语料库分类，获得属性句子库；5)使用文档主题生成模型(LDA和NMF)获取属性句子库中的主题词，标注该专业领域知识的各类型属性词，形成词语层的语料库——属性词语料库；6)将英文百科类介绍页面词语化，根据属性词语料库，规则匹配抽取专题属性信息。
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中国科学院遥感与数字地球研究所，未经中国科学院遥感与数字地球研究所许可，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/201811005109.9/，转载请声明来源钻瓜专利网。
