专利汇可以提供基于搜索日志的中文人名自扩展识别方法专利检索,专利查询,专利分析的服务。并且本 发明 属于 计算语言学 的 自然语言处理 领域,公开了一种基于搜索日志的中文人名自扩展识别方法,该方法借助“姓氏驱动”人名识别思想,利用搜索日志查询串首字姓氏特点,挖掘 种子 人名;利用种子人名在搜索日志中生成候选人名模板集;根据候选人名模板在所对应查询串和整个查询日志频次变化趋势,筛选人名模板;根据人名模板生成候选人名;利用前向后向关键词匹配界定、筛选候选人名,获得人名集合;基于自扩展 迭代 思想,利用当前获得的人名集合作为下一次迭代过程的种子人名集,人名模板集中区分度最高的前n个模板作为下一次迭代的种子模板,由此挖掘出搜索日志中人名,利用搜索日志本身特点构建种子人名、生成人名模板,根据人名上下文在对应查询串及整个搜索日志查询串的变化趋势,过滤人名模板,降低了人名识别时的噪音信息,提高了搜索日志中人名识别率。,下面是基于搜索日志的中文人名自扩展识别方法专利的具体信息内容。
1.基于搜索日志的中文人名自扩展识别方法,其特征在于,包括:
S11 确定目标语料集,也即将用于挖掘人名实体的所有查询日志中查询串集合Q;
S12 构建种子人名集合C,;
S13 根据种子人名集合C及其所在查询串集合Qc,生成候选人名模板集Mc;
S14 利用人名模板在Qc和Q中匹配的查询串条数变化趋势,对人名模板进行筛选,选取适合人名识别的上下文信息,获得人名模板集Mc’;
S15 在查询串集合Q中匹配人名模板集Mc’中的模板,生成候选人名集CN;
S16 对候选人名进行筛选,去除一些干扰的噪音信息,得到可信度较高的人名集合N;
S17 利用人名集合N更新种子人名集合C,迭代上述S12至S16这5个步骤,直到获取的人名的可信度达到一定阈值。
2.根据权利要求1所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,自扩展识别过程是一个迭代过程,一次迭代指的是执行步骤S12至步骤S16的过程。
3.根据权利要求1所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,种子人名的初始构建是基于“姓氏驱动”思想,有效利用查询日志中查询串人名检索词特点,根据种子姓氏所在查询串长度选择种子人名。
4.根据权利要求1所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,候选人名模板集Mc,中需要记录每个候选人名模板在种子人名所在查询串集合Qc中匹配的查询串条数,其元素构成式为:<候选模板M,候选模板M在当前查询串集合Qc内匹配的查询串条数>。
5.根据权利要求1和权利要求4所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,对候选模板集合Mc内的模板按照其在Qc中匹配的查询串条数以递减顺序生成排序集合last,同时也按其在Q中匹配的查询串条数按递减顺序生成排序集合now,对任一模板M,定义一个五元组IM,IM=(M, Rank_now, Rank_now_sum, Rank_last, Rank_last_sum),其中Rank_now表示模板M在排序集合now中的排名,Rank_now_sum表示排序集合now中排名的最大序号,Rank_last表示模板M在排序集合last中的排名,Rank_last_sum表示模板在排序集合last中排名的最大序号。
6.根据权利要求1所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,定义一个用于描述模板对人名区分能力高低的概念区分度,来对候选人名模板进行筛选。
7.根据权利要求1和权利要求6所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,区分度的计算方式为:
。
8.根据权利要求1所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,利用“前向后向关键词匹配方法”对候选人名进行筛选,候选人名串中删除在关键词库中的子串。
9.根据权利要求1和权利要求8所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,关键词库由人民日报分词语料,剔除人名、外文、单字,加入中国省、市、区、县的地名信息而构成。
10.根据权利要求1、权利要求8和权利要求9所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,关键词匹配从前向、后向同时进行,根据语料特点设置最大匹配长度和最小匹配长度。
11.根据权利要求1和权利要求2所述的基于搜索日志的中文人名自扩展识别方法,其特征在于,下一次迭代时利用当前人名集合N更新种子人名集合C,从人名模板集Mc’抽取前n个模板作为下一次迭代的种子模板。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于计算机的自然语言句法结构解析方法和装置 | 2020-05-19 | 307 |
直数 | 2020-06-02 | 811 |
一种基于计算机的自然语言句法结构解析方法和装置 | 2020-05-15 | 840 |
一种基于计算机的自然语言句法结构解析的方法和装置 | 2020-05-18 | 387 |
基于搜索日志的中文人名自扩展识别方法 | 2020-05-14 | 875 |
汉语依存树库中未登录词的处理方法 | 2020-05-21 | 339 |
Automated account reconciliation method | 2020-05-23 | 150 |
Content aggregation method and apparatus for on-line purchasing system | 2020-06-05 | 677 |
METHOD AND APPARATUS FOR AUTOMATED TAG GENERATION FOR DIGITAL CONTENT | 2020-05-28 | 68 |
METHOD AND APPARATUS FOR PERFORMING FULL BI-DIRECTIONAL TRANSLATION BETWEEN A SOURCE LANGUAGE AND A LINKED ALTERNATIVE LANGUAGE | 2020-06-07 | 87 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。