[发明专利]一种进行学术人物信息抽取和聚合的方法

摘要

本发明公开了一种进行学术人物信息抽取和聚合的方法，要解决的是现有学术人物信息的检索方式获取信息速度慢的问题。本发明步骤如下：步骤一，数据获取：通过训练的网页分类器从搜索引擎中爬取搜索学术人物主页，得到数据；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，得到预处理的数据；步骤三，信息块预标记：采用fastText模型对预处理的信息块进行预标注，得到预标注后的信息块；步骤四，采用HMM对预标记后的网页信息块进行序列化标注；步骤五，信息聚合：采用计算BLEU值的方式来评价预标注后的数据的相似度，从而达到去重合并的目的，将聚合后的数据展示出来即可。本发明的方法操作简单，可以快速准确的得到所需的学术人物信息。

主权项

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；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；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值的方式来评价预标注后的数据的相似度，将聚合后的数据展示出来即可。