[发明专利]一种地震新闻信息抽取方法及其系统

权利要求书

1.一种地震新闻信息抽取方法，其特征在于，包括以下步骤：

步骤S1，将实体库中的第一实体链接到新闻文本上，并且链接有所述第一实体的新闻文本记为第一处理文本；

步骤S2，对所述第一处理文本进行实体识别，以识别得到第二实体，并对识别后的新闻文本进行分句处理，以得到包括至少一个新闻原句的第二处理文本；

步骤S3，通过预设的数字类社会属性和正则表达式对所述第二处理文本进行实体识别，以识别得到第一数字类社会属性新闻数组，并根据所述第一数字类社会属性新闻数组对所述第二处理文本进行分词，以得到分词结果，并根据所述分词结果将不存在于所述分词结果中的所述第一数字类社会属性新闻数组中的元素删除，以得到第二数字类社会属性新闻数组，将所述第二数字类社会属性新闻数组中的元素中的非阿拉伯数字转化为阿拉伯数字，并于分词后的新闻文本中获取元素所在的新闻原句，将元素、元素对应的阿拉伯数字和元素所在的新闻原句关联成第一数组后输出；

步骤S4，对所述第二处理文本的时间要素进行识别，并根据所述时间要素对所述时间要素所在的新闻原句设置时刻信息，并根据实体列表以及关系词表对所述时间要素所在的新闻原句进行实体识别，以识别得到所述新闻原句中的第三实体和所述第三实体对应的关系动词列表，并将所述第三实体、所述第三实体对应的关系动词列表和所述时刻信息关联成第二数组后输出，根据地震事件与实体关系表的优先级顺序获取得到所述第二数组中的所述关系动词列表中的至少一个关系动词，并依次将第三实体、所述第三实体对应的所述关系动词、所述时刻信息、所述新闻原句和所述时间要素关联成第四数组后输出；

步骤S5，将所述第一数组和所述第四数组进行组合，以得到第五数组，并根据所述时刻信息的时间顺序依次输出所述第五数组。

2.如权利要求1所述的地震新闻信息抽取方法，其特征在于，所述步骤S1具体包括以下步骤：

步骤S11，对新闻文本进行实体识别，以于新闻文本中识别得到对应于所述第一实体的第一实体数据；

步骤S12，将所述第一实体链接至所述第一实体数据。

3.如权利要求1所述的地震新闻信息抽取方法，其特征在于，所述对识别后的新闻文本进行分句处理，以得到包括至少一个新闻原句的第二处理文本，具体包括以下步骤：

步骤S21，获取并将新闻文本中的待删除字符删除，以得到删除所述待删除字符后的新闻文本；

步骤S22，获取根据分句字符对删除所述待删除字符后的新闻文本进行分句，以得到新闻原句。

4.如权利要求1所述的地震新闻信息抽取方法，其特征在于，所述步骤S3具体包括以下步骤：

步骤S31，通过预设的所述数字类社会属性和所述正则表达式对所述第二处理文本进行实体识别，以识别得到所述第一数字类社会属性新闻数组；

步骤S32，将所述第一数字类社会属性新闻数组加载到分词模块上，采用所述分词模块对所述第二处理文本中的新闻原句进行分词，以得到对应于所述新闻原句的所述分词结果；

步骤S33，遍历所述第一数字类社会属性新闻数组中的每个元素，并判断第一数字类社会属性新闻数组中的元素是否为所述分词结果，并将不是所述分词结果的元素删除，以得到所述第二数字类社会属性新闻数组；

步骤S34，对所述第二数字类社会属性新闻数组中的元素的非阿拉伯数字进行识别，并将识别得到的非阿拉伯数字转化为阿拉伯数字；

步骤S35，将元素、元素对应的阿拉伯数字和元素所在的新闻原句关联成所述第一数组后输出。