[发明专利]文本实体提取方法及装置

权利要求书

1.一种文本实体提取方法，其特征在于，所述方法包括：

确定目标文本中包含的候选文本实体；

对所述候选文本实体进行组合，生成所述目标文本对应的候选分词组合，各个所述候选分词组合中包含的候选文本实体不同；

获取N元文法N-Gram模型,所述N-Gram模型用于指示N个文本元素按序组合的概率，所述文本元素为文本中的字或词，N≥2，N为正整数；

根据所述N-Gram模型计算各个所述候选分词组合对应的所述组合概率，所述组合概率指所述目标文本采用所述候选分词组合时语法成立的概率；

根据所述组合概率确定所述目标文本对应的目标分词组合；

根据所述目标分词组合从所述目标文本中提取文本实体。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取预设语料资源，所述预设语料资源包括预设模板和携带标注的语料数据中的至少一种；

根据所述预设语料资源训练所述N-Gram模型。

3.根据权利要求1所述的方法，其特征在于，所述候选分词组合中包含L个所述文本元素，L个所述文本元素中包括所述候选文本实体，以及所述候选文本实体外所述目标文本中的文本内容；

所述根据所述N-Gram模型计算所述候选分词组合对应的所述组合概率，包括：

将L个所述文本元素中相邻的N个文本元素划分至同一N元组，L个所述文本元素中包含L-N+1个所述N元组；

根据所述N-Gram模型确定各个所述N元组对应的第一概率，得到L-N+1个第一概率；

根据所述L-N+1个第一概率计算所述候选分词组合对应的所述组合概率。

4.根据权利要求3所述的方法，其特征在于，所述根据所述L-N+1个第一概率计算所述候选分词组合对应的所述组合概率之前，还包括：

若所述N-Gram模型中不包含所述N元组对应的第一概率，则将预设概率值确定为所述N元组对应的所述第一概率。

5.根据权利要求3或4所述的方法，其特征在于，所述根据所述L-N+1个第一概率计算所述候选分词组合对应的所述组合概率，包括：

获取第i-N+1个文本元素至第i个文本元素所构成的N元组对应的第一概率，N≤i≤L，i为正整数；

对获取到的L-N+1个第一概率进行累乘，并将累乘结果确定为所述候选分词组合对应的所述组合概率。

6.根据权利要求1至4任一所述的方法，其特征在于，所述确定目标文本中包含的候选文本实体，包括：

确定所述目标文本所属的目标领域；

根据所述目标领域对应的实体库确定所述目标文本中包含的候选文本实体。

7.根据权利要求1至4任一所述的方法，其特征在于，所述根据所述组合概率确定所述目标文本对应的目标分词组合，包括：

将所述组合概率中值最大的组合概率对应的所述候选分词组合确定为所述目标分词组合；

或，

检测所述组合概率中值最大的组合概率是否大于预设概率阈值；若所述值最大的组合概率大于所述预设概率阈值，则将所述值最大的组合概率对应的所述候选分词组合确定为所述目标分词组合。

8.一种文本实体提取装置，其特征在于，所述装置包括：

第一确定模块，用于确定目标文本中包含的候选文本实体；

生成模块，用于对所述候选文本实体进行组合，生成所述目标文本对应的候选分词组合，各个所述候选分词组合中包含的所述候选文本实体不同；

获取单元，用于获取N元文法N-Gram模型,所述N-Gram模型用于指示N个文本元素按序组合的概率，所述文本元素为文本中的字或词，N≥2，N为正整数；

计算单元，用于根据所述N-Gram模型计算各个所述候选分词组合对应的所述组合概率，所述组合概率指所述目标文本采用所述候选分词组合时语法成立的概率；

第二确定模块，用于根据所述组合概率确定所述目标文本对应的目标分词组合；

提取模块，用于根据所述目标分词组合从所述目标文本中提取文本实体。