申请/专利权人:南京中新赛克科技有限责任公司
申请日:2020-08-21
公开(公告)日:2021-01-05
公开(公告)号:CN112183096A
主分类号:G06F40/295(20200101)
分类号:G06F40/295(20200101);G06F40/242(20200101);G06F40/284(20200101);G06F40/30(20200101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.01.22#实质审查的生效;2021.01.05#公开
摘要:本发明公开了一种基于无监督模型与状态感知机的命名实体抽取系统及方法。本发明中提供了不依赖训练数据的地名、时间及日期抽取的优化方案。本发明所述的状态感知机以及词典泛化匹配的设计架构避免了现有实体识别抽取需依赖大量经过人工标注的训练语料模式,即自动从目标文本中抽取出相应地名,时间,及日期。
主权项:1.一种基于无监督模型与状态感知机的命名实体抽取系统,其特征在于,包括日期抽取模块、时间抽取模块、地名抽取模块;日期抽取模块包括日期正则表达模块、日期搜索模块、连续日期数据合并模块、日期实体数据合并模块;日期正则表达模块内设有若干种日期格式模板;日期搜索模块用以依据日期格式模板搜索文本中符合日期格式的日期数据;连续日期数据合并模块用以将搜索出的在文本中连续的日期数据合并为一个完整的日期数据;日期实体数据合并模块设有若干种连词模板,用以将具有连词的日期数据、隔一个连词的两个相邻日期数据合并;时间抽取模块包括时间正则表达模块、时间搜索模块、连续时间数据合并模块、时间数据筛选模块、时间实体数据合并模块;时间正则表达模块内设有若干种时间格式模板;时间搜索模块用以依据时间格式模板搜索文本中符合时间格式的时间数据;连续时间数据合并模块用以将搜索出的在文本中连续的时间数据合并为一个完整的时间数据;时间数据筛选模块中设有若干种语义不为时间的格式模板,并将搜索出的时间数据及合并后的时间数据与语义不为时间的格式模板对比,符合语义不为时间的格式模板的时间数据删除;时间实体数据合并模块用以将具有连词的日期数据合并;地名抽取模块包括地名感知机规则特征模块、地名搜索模块;地名感知机规则特征模块内设有地名感知机规则特征模板,包括内部词性序列模板、后缀特征词模板、前指示词模板、地名简称模板、并列关系连接词模板;地名搜索模块用以依据地名感知机规则特征模板搜索文本中符合地名感知机规则特征模板的时间数据。
全文数据:
权利要求:
百度查询: 南京中新赛克科技有限责任公司 基于无监督模型与状态感知机的命名实体抽取系统及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。