[发明专利]一种蕴含地理实体关系的关键词提取方法及装置

说明书

本申请要求于2017年1月17日提交中国专利局、申请号为201710034554.7、发明名称为“一种蕴含地理实体关系的关键词提取方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本发明涉及地理信息系统(GIS)技术领域，更具体地说，涉及一种蕴含地理实体关系的关键词提取方法及装置。

背景技术

地理实体关系常用于描述地理实体(或事件)的位置、范围或空间分布，这对于感知地理世界和构建地理知识系统至关重要。关键词为地理实体关系表达提供了重要依据，关键词提取技术已经成为现阶段研究热点。

现有的关键词提取方法主要是频率统计，从含有地理实体的句子中提取出现频率次数较高的词组作为蕴含地理实体关系的关键词。但是，对于分布稀疏的地理实体关系来说，这种关键词提取方法并不适用。

有鉴于此，如何提取分布稀疏的地理实体关系的关键词，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供一种蕴含地理实体关系的关键词提取方法及装置，以解决现有的技术方案不能有效提取分布稀疏的地理实体关系的关键词的问题。技术方案如下：

一种蕴含地理实体关系的关键词提取方法，包括：

从网络文本中获取至少一个地理实体对及其对应的原始语境，所述地理实体对包含至少两个地理实体；

根据每一个所述地理实体对中各个所述地理实体对应的类型映射表，获取各个地理实体对类型标签及其对应的当前原始语境，并且依据预设同义词词典信息对各个所述当前原始语境进行语境增强，得到各个增强语境；

针对每一个所述地理实体对类型标签，从对应的所述增强语境中获取关键词选择语料，并从所述关键词选择语料中选取至少一个蕴含地理实体关系的关键词。

优选的，所述从网络文本中获取至少一个地理实体对及其对应的原始语境，包括：

对网络文本进行断句分割；

为每一个句子中包含的至少一个词组添加词性标签；

通过对词性标签为名词的各个所述词组进行地理实体识别，确定各个地理实体对及其对应的原始语境。

优选的，所述根据每一个所述地理实体对中各个所述地理实体对应的类型映射表，获取各个地理实体对类型标签及其对应的当前原始语境，并且依据预设同义词词典信息对各个所述当前原始语境进行语境增强，得到各个增强语境，包括：

根据每一个所述地理实体对中各个所述地理实体对应的类型映射表，获取各个所述地理实体的类型标签集合，所述类型标签集合包含至少一个地理实体类型标签；

针对每一个所述地理实体，计算对应的各个所述地理实体标签的第一权值，并选取第一权值最大的地理实体标签作为地理实体唯一标签，其中，所述第一权值用于表征地理实体类型标签准确度；

针对每一个所述地理实体对，根据各个所述地理实体唯一标签确定地理实体对类型标签；

对于地理实体对类型标签相同的原始语境进行合并，得到唯一存在的各个所述地理实体对类型标签及其对应的当前原始语境；

依据预设同义词词典信息，对各个所述当前原始语境中的词组进行同义词替换，得到各个所述地理实体对类型标签对应的增强语境。

优选的，所述从对应的所述增强语境中获取关键词选择语料，包括：

选取至少两个频率统计算法；

基于各个所述频率统计算法，分别从对应的所述增强语境中提取关键词组，所述关键词组包含至少一个关键词；

取各个所述关键词组的交集作为关键词选择语料。

优选的，所述从所述关键词选择语料中选取至少一个蕴含地理实体关系的关键词，包括：

根据所述关键词选择语料选取相应的词法特征；

根据所述词法特征计算所述关键词选择语料中各个关键词的第二权值，所述第二权值用于表征关键词描述准确度；

通过比较各个所述第二权值，从所述关键词选择语料中选取至少一个蕴含地理实体关系的关键词。

一种蕴含地理实体关系的关键词提取装置，包括：获取模块、语境增强模块和关键词选取模块，所述关键词选取模块包括关键词选择语料获取单元和关键词选取单元；

所述获取模块，用于从网络文本中获取至少一个地理实体对及其对应的原始语境，所述地理实体对包含至少两个地理实体；