[发明专利]一种面向中文专利文本的实体抽取方法和系统在审
申请号: | 201810694442.9 | 申请日: | 2018-06-29 |
公开(公告)号: | CN109101538A | 公开(公告)日: | 2018-12-28 |
发明(设计)人: | 张力文;程国艮 | 申请(专利权)人: | 中译语通科技股份有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 北京睿驰通程知识产权代理事务所(普通合伙) 11604 | 代理人: | 张文平 |
地址: | 100040 北京市石*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种面向中文专利文本的实体抽取方法和系统,包括预处理模块、基于词性模板的候选实体抽取模块、和基于原文匹配的候选实体抽取模块。其中,预处理模块主要是把非结构化的文本转换为半结构化文本以便降低抽取难道,并把切割好的半结构化文本及其相应的词性序列输入到下一模块;基于原文匹配的候选实体抽取模块主要是对基于词性模板的候选实体抽取模块的后处理,主要是针对基于词性模板的候选实体抽取模块输出的非实体词,追溯这些词出现的原文,进行上下文匹配,得到最终实体。该方法和系统依据词性规则模板,无需人工标注便可对专利文本中的实体自动进行提取,克服了现有技术严重依赖大规模标注语料的缺陷,节省了标注的人力成本。 | ||
搜索关键词: | 抽取模块 候选实体 专利文本 词性 匹配 原文 抽取 结构化文本 预处理模块 标注 词性规则模板 后处理 词性序列 非结构化 人工标注 人力成本 文本转换 最终实体 中文 语料 切割 追溯 输出 | ||
【主权项】:
1.一种面向中文专利文本的实体抽取方法,其特征在于,该方法包括如下步骤:步骤一:对专利文本进行预处理,把非结构化的文本转换为半结构化文本,并把切割好的半结构化文本进行词性标记,生产相应的词性标记序列;步骤二:基于词性模板进行候选实体抽取,并对候选实体进行边界过滤;步骤三:对抽取的候选实体基于原文进行匹配,按一定的词性规则拼接得到最终的实体。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中译语通科技股份有限公司,未经中译语通科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810694442.9/,转载请声明来源钻瓜专利网。