[发明专利]中文机器阅读系统

摘要

本发明公开了一种中文机器阅读系统，包括数据抓取模块、数据处理模块、数据抽取模块、知识库、数据整合模块和使用接口；数据抽取模块包括wiki内容抽取模块、模板抽取模块、实体抽取模块、关系抽取模块和模板匹配模块。与现有技术相比，本发明使用开放式抽取方法，不限定抽取领域，能够读取互联网上广泛存在的非结构化文本信息，适于推广应用，并能够自适应中文语言的进化。

主权项

中文机器阅读系统，其特征在于：包括数据抓取模块：抓取互联网上文本的非结构化数据；数据处理模块：把数据进行标准化处理；数据抽取模块：通过机器学习和模板匹配的方法，得到计算机能够处理的知识；知识库：存储的知识集群；数据整合模块：修复和改进知识库中的内容；使用接口：提供调用数据的接口；所述数据抓取模块、数据处理模块、数据抽取模块和知识库依次连接，所述数据整合模块和使用接口与所述知识库连接；所述数据抽取模块包括：wiki内容抽取模块：提取wiki的内容进行抽取；模板抽取模块：根据wiki中得到的内容初始化模板；实体抽取模块、关系抽取模块：对已有的实体和关系进行学习；模板匹配模块：根据获得的模板，使用正则表达式进行匹配，得到备选的新知识；所述数据抽取模块中数据的流向具体包括：数据通过wiki内容抽取模块提取为实体列表和三元组，所述实体列表和三元组通过实体抽取模块、关系抽取模块抽取为实体和关系后，在模板抽取模块初始化模板，并通过模板匹配模块匹配模板，经过匹配后的关系，流向关系抽取模块，判断是否被列为知识库中的内容。