CN107766322A - 同名实体识别方法、电子设备及计算机可读存储介质 - Google Patents
同名实体识别方法、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107766322A CN107766322A CN201710775378.2A CN201710775378A CN107766322A CN 107766322 A CN107766322 A CN 107766322A CN 201710775378 A CN201710775378 A CN 201710775378A CN 107766322 A CN107766322 A CN 107766322A
- Authority
- CN
- China
- Prior art keywords
- personage
- entity
- same name
- name
- subordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种同名实体识别方法,该方法包括步骤:从互联网文本中按不同数据源抽取人物的简历信息;根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息;根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系;根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体是否指代同一实体。本发明可以提升同名实体的识别准确率。
Description
技术领域
本发明涉及计算机信息技术领域,尤其涉及一种同名实体识别方法、电子设备及计算机可读存储介质。
背景技术
互联网信息中的人物实体,一方面,不同实体存在的同名现象需要对不同语境下同名的不同实体进行区分。另一方面,同一个实体也存在昵称、曾用名以及误打造成的对同一个实体的指代难以区分的问题。上述问题使得在互联网信息搜索以及信息关联时产生错误或缺失信息。故,现有技术中的同名实体识别方法设计不够合理,亟需改进。
发明内容
有鉴于此,本发明提出一种同名实体识别方法、电子设备及计算机可读存储介质,通过人物上下文信息以及从属机构推测人与人之间的社交关系,并根据推测出的社交关系确认不同数据源抽取的同名实体是否指代同一实体,解决了不同语境下同名的不同实体的区分难题。
首先,为实现上述目的,本发明提出一种电子设备,所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的同名实体识别系统,所述同名实体识别系统被所述处理器执行时实现如下步骤:
从互联网文本中按不同数据源抽取人物的简历信息;
根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息;
根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系;及
根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体是否指代同一实体。
优选地,所述预设的修正字符表中存储有不同机构和职位的人物真实姓名与关联名称之间的对应关系;及
所述修正包括:根据所述修正字符表中存储的不同机构和职位的人物真实姓名与关联名称之间的对应关系,将人物简历信息中的人物姓名修正为真实姓名。
优选地,所述人与人之间的社交关系包括:同事关系、上下级关系、及关联关系;
所述同事关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构相同,则判定该两个人物为同事关系;
所述上下级关系根据所述修正后的人物简历信息中的职位确定,如果所述人物上下文信息中的两个人物简历信息中的职位存在上下级关系,则判定该两个人物存在上下级关系;及
所述关联关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构存在关联关系,则判定该两个人物存在关联关系。
优选地,所述确认不同数据源抽取的同名实体是否指代同一实体包括:
如果不同数据源抽取的同名实体的从属机构存在关联关系,则判定所述同名实体指代同一实体;及
如果不同数据源抽取的同名实体的从属机构不存在关联关系,则判定所述同名实体指代不同的实体。
优选地,所述同名实体识别系统被所述处理器执行时还实现如下步骤:
通过层次聚类的方式,对不同数据源抽取的同名实体添加同名识别标签,将指代同一实体的属于不同从属机构的同名实体标记为同一类。
此外,为实现上述目的,本发明还提供一种同名实体识别方法,该方法应用于电子设备,所述方法包括:
从互联网文本中按不同数据源抽取人物的简历信息;
根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息;
根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系;及
根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体是否指代同一实体。
优选地,所述预设的修正字符表中存储有不同机构和职位的人物真实姓名与关联名称之间的对应关系,其中:
所述修正包括:根据所述修正字符表中存储的不同机构和职位的人物真实姓名与关联名称之间的对应关系,将人物简历信息中的人物姓名修正为真实姓名;
所述人与人之间的社交关系包括:同事关系、上下级关系、及关联关系,其中:
所述同事关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构相同,则判定该两个人物为同事关系;
所述上下级关系根据所述修正后的人物简历信息中的职位确定,如果所述人物上下文信息中的两个人物简历信息中的职位存在上下级关系,则判定该两个人物存在上下级关系;
所述关联关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构存在关联关系,则判定该两个人物存在关联关系。
优选地,所述确认不同数据源抽取的同名实体是否指代同一实体包括:
如果不同数据源抽取的同名实体的从属机构存在关联关系,则判定所述同名实体指代同一实体;及
如果不同数据源抽取的同名实体的从属机构不存在关联关系,则判定所述同名实体指代不同的实体。
优选地,所述同名实体识别系统被所述处理器执行时还实现如下步骤:
通过层次聚类的方式,对不同数据源抽取的同名实体添加同名识别标签,将指代同一实体的属于不同从属机构的同名实体标记为同一类。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有同名实体识别系统,所述同名实体识别系统可被至少一个处理器执行,以使所述至少一个处理器执行如上述的同名实体识别方法的步骤。
相较于现有技术,本发明所提出的电子设备、同名实体识别方法及计算机可读存储介质,通过设定修正字符表,解决了同一实体存在关联名称(如昵称、曾用名等)导致对同一实体难以区分的问题。进一步地,通过人物上下文信息以及从属机构推测人与人之间的社交关系,并根据推测出的社交关系确认不同数据源抽取的同名实体是否指代同一实体,解决了不同语境下同名的不同实体的区分难题。
附图说明
图1是本发明电子设备一可选的硬件架构的示意图;
图2是本发明电子设备中同名实体识别系统一实施例的程序模块示意图;
图3为本发明同名实体识别方法一实施例的实施流程示意图。
附图标记:
电子设备 | 2 |
存储器 | 21 |
处理器 | 22 |
网络接口 | 23 |
同名实体识别系统 | 20 |
抽取模块 | 201 |
修正模块 | 202 |
推测模块 | 203 |
识别模块 | 204 |
流程步骤 | S31-S34 |
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
进一步需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
首先,本发明提出一种电子设备2。
参阅图1所示,是本发明电子设备2一可选的硬件架构的示意图。本实施例中,所述电子设备2可包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22、网络接口23。需要指出的是,图1仅示出了具有组件21-23的电子设备2,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,所述电子设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备,该电子设备2可以是独立的服务器,也可以是多个服务器所组成的服务器集群。
所述存储器21至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器21可以是所述电子设备2的内部存储单元,例如该电子设备2的硬盘或内存。在另一些实施例中,所述存储器21也可以是所述电子设备2的外部存储设备,例如该电子设备2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器21还可以既包括所述电子设备2的内部存储单元也包括其外部存储设备。本实施例中,所述存储器21通常用于存储安装于所述电子设备2的操作系统和各类应用软件,例如所述同名实体识别系统20的程序代码等。此外,所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子设备2的总体操作,例如执行与所述电子设备2进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据,例如运行所述的同名实体识别系统20等。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述电子设备2与其他电子设备之间建立通信连接。例如,所述网络接口23用于通过网络将所述电子设备2与外部数据平台相连,在所述电子设备2与外部数据平台之间的建立数据传输通道和通信连接。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
至此,己经详细介绍了本发明各个实施例的应用环境和相关设备的硬件结构和功能。下面,将基于上述应用环境和相关设备,提出本发明的各个实施例。
参阅图2所示,是本发明电子设备2中同名实体识别系统20一实施例的程序模块图。本实施例中,所述的同名实体识别系统20可以被分割成一个或多个程序模块,所述一个或者多个程序模块被存储于所述存储器21中,并由一个或多个处理器(本实施例中为所述处理器22)所执行,以完成本发明。例如,在图2中,所述的同名实体识别系统20可以被分割成抽取模块201、修正模块202、推测模块203、以及识别模块204。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述同名实体识别系统20在所述电子设备2中的执行过程。以下将就各程序模块201-204的功能进行详细描述。
所述抽取模块201,用于从互联网文本中按不同数据源抽取人物的简历信息。在本实施例中,所述简历信息包括,但不限于,人物姓名、从属机构、职位等。所述不同数据源可以是不同类型的网站,如新闻网站、财经网站等。
所述修正模块202,用于根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息。在本实施例中,所述预设的修正字符表中存储有不同机构和职位的人物真实姓名与关联名称(如昵称、曾用名、拼写错误的姓名)之间的对应关系。例如,机构A董事长的真实姓名与该董事长的昵称、曾用名、及可能存在的拼写错误的姓名之间的对应关系。
在本实施例中,所述修正是指:根据所述修正字符表中存储的不同机构和职位的人物真实姓名与关联名称之间的对应关系,将人物简历信息中的人物姓名修正为真实姓名。例如,如果抽取的人物简历信息中的人物姓名为Tony张,从属机构为A公司,职位为董事长,而所述预设的修正字符表中存储有A公司董事长张三与Tony张之间的对应关系(即张三的昵称为Tony张),则将人物简历信息中的人物姓名“Tony张”修正为“张三”。
所述推测模块203,用于根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系。在本实施例中,所述人与人之间的社交关系包括,但不限于,同事关系、上下级关系、及关联关系等。
在本实施例中,所述同事关系根据所述修正后的人物简历信息中的从属机构确定。具体而言,如果所述人物上下文信息中的两个人物简历信息中的从属机构相同,则判定该两个人物为同事关系。
进一步地,在本实施例中,所述上下级关系根据所述修正后的人物简历信息中的职位确定。具体而言,如果所述人物上下文信息中的两个人物简历信息中的职位存在上下级关系,则判定该两个人物存在上下级关系。例如,如果所述人物上下文信息中的第一个人物简历信息中的职位为董事长,第二个人物简历信息中的职位为职员,则判定第一个人物为第二个人物的上级领导。
进一步地,在本实施例中,所述关联关系根据所述修正后的人物简历信息中的从属机构确定。具体而言,如果所述人物上下文信息中的两个人物简历信息中的从属机构存在关联关系,则判定该两个人物存在关联关系。例如,如果人物1在第一数据源互联网文本中抽取的从属机构为公司A,人物2在第二数据源互联网文本中抽取的从属机构为公司B,且预先设定的机构关系表中存储有:公司A和公司B之间存在关联关系(如公司B为公司A的子公司),则判定人物1与人物2存在关联关系。
所述识别模块204,用于根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体(即人物姓名相同的实体)是否指代同一实体。
具体而言,在本实施例中,如果不同数据源抽取的同名实体的从属机构存在关联关系,则判定所述同名实体指代同一实体。反之,如果不同数据源抽取的同名实体的从属机构不存在关联关系,则判定所述同名实体指代不同的实体,即判定所述不同数据源抽取的同名实体不是指代同一人物。例如,如果人物1在第一数据源互联网文本中抽取的从属机构为公司A,且人物1在第二数据源互联网文本中抽取的从属机构为公司B,如果预先设定的机构关系表中存储有公司A和公司B之间的关联关系,则判定第一数据源抽取的人物1和第二数据源抽取的人物1指代同一实体(属于同一人物)。反之,如果预先设定的机构关系表中没有存储公司A和公司B之间的关联关系,则判定第一数据源抽取的人物1和第二数据源抽取的人物1不是指代同一实体(属于不同人物)。
需要说明的是,在本实施例中,如果不同数据源抽取的同名实体的从属机构相同且职位也相同,则判定所述同名实体指代同一实体。
进一步地,在其它实施例中,所述识别模块204还用于:
通过层次聚类的方式(或其它聚类方式),对不同数据源抽取的同名实体添加同名识别标签,将指代同一实体的属于不同从属机构的同名实体标记为同一类。例如,假设从不同数据源抽取的指代同一实体的同名实体“人物2”有5个,其中,第1-3个同名实体“人物2”的从属机构分别是存在关联关系的机构1、机构2、及机构3,第4-5个同名实体“人物2”的从属机构分别是存在关联关系的机构4和机构5,则将机构1-3中的同名实体“人物2”添加第一同名识别标签(如标签“0”),将机构4-5中的同名实体“人物2”添加第二同名识别标签(如标签“1”)。
通过上述程序模块201-204,本发明所提出的同名实体识别系统20,通过设定修正字符表,解决了同一实体存在关联名称(如昵称、曾用名等)导致对同一实体难以区分的问题。进一步地,通过人物上下文信息以及从属机构推测人与人之间的社交关系,并根据推测出的社交关系确认不同数据源抽取的同名实体是否指代同一实体,解决了不同语境下同名的不同实体的区分难题。
此外,本发明还提出一种同名实体识别方法。
参阅图3所示,是本发明同名实体识别方法一实施例的实施流程示意图。在本实施例中,根据不同的需求,图3所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。
步骤S31,从互联网文本中按不同数据源抽取人物的简历信息。在本实施例中,所述简历信息包括,但不限于,人物姓名、从属机构、职位等。所述不同数据源可以是不同类型的网站,如新闻网站、财经网站等。
步骤S32,根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息。在本实施例中,所述预设的修正字符表中存储有不同机构和职位的人物真实姓名与关联名称(如昵称、曾用名、拼写错误的姓名)之间的对应关系。例如,机构A董事长的真实姓名与该董事长的昵称、曾用名、及可能存在的拼写错误的姓名之间的对应关系。
在本实施例中,所述修正是指:根据所述修正字符表中存储的不同机构和职位的人物真实姓名与关联名称之间的对应关系,将人物简历信息中的人物姓名修正为真实姓名。例如,如果抽取的人物简历信息中的人物姓名为Tony张,从属机构为A公司,职位为董事长,而所述预设的修正字符表中存储有A公司董事长张三与Tony张之间的对应关系(即张三的昵称为Tony张),则将人物简历信息中的人物姓名“Tony张”修正为“张三”。
步骤S33,根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系。在本实施例中,所述人与人之间的社交关系包括,但不限于,同事关系、上下级关系、及关联关系等。
在本实施例中,所述同事关系根据所述修正后的人物简历信息中的从属机构确定。具体而言,如果所述人物上下文信息中的两个人物简历信息中的从属机构相同,则判定该两个人物为同事关系。
进一步地,在本实施例中,所述上下级关系根据所述修正后的人物简历信息中的职位确定。具体而言,如果所述人物上下文信息中的两个人物简历信息中的职位存在上下级关系,则判定该两个人物存在上下级关系。例如,如果所述人物上下文信息中的第一个人物简历信息中的职位为董事长,第二个人物简历信息中的职位为职员,则判定第一个人物为第二个人物的上级领导。
进一步地,在本实施例中,所述关联关系根据所述修正后的人物简历信息中的从属机构确定。具体而言,如果所述人物上下文信息中的两个人物简历信息中的从属机构存在关联关系,则判定该两个人物存在关联关系。例如,如果人物1在第一数据源互联网文本中抽取的从属机构为公司A,人物2在第二数据源互联网文本中抽取的从属机构为公司B,且预先设定的机构关系表中存储有:公司A和公司B之间存在关联关系(如公司B为公司A的子公司),则判定人物1与人物2存在关联关系。
步骤S34,根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体(即人物姓名相同的实体)是否指代同一实体。
具体而言,在本实施例中,如果不同数据源抽取的同名实体的从属机构存在关联关系,则判定所述同名实体指代同一实体。反之,如果不同数据源抽取的同名实体的从属机构不存在关联关系,则判定所述同名实体指代不同的实体,即判定所述不同数据源抽取的同名实体不是指代同一人物。例如,如果人物1在第一数据源互联网文本中抽取的从属机构为公司A,且人物1在第二数据源互联网文本中抽取的从属机构为公司B,如果预先设定的机构关系表中存储有公司A和公司B之间的关联关系,则判定第一数据源抽取的人物1和第二数据源抽取的人物1指代同一实体(属于同一人物)。反之,如果预先设定的机构关系表中没有存储公司A和公司B之间的关联关系,则判定第一数据源抽取的人物1和第二数据源抽取的人物1不是指代同一实体(属于不同人物)。
需要说明的是,在本实施例中,如果不同数据源抽取的同名实体的从属机构相同且职位也相同,则判定所述同名实体指代同一实体。
进一步地,在其它实施例中,本发明还可以包括如下步骤:
通过层次聚类的方式(或其它聚类方式),对不同数据源抽取的同名实体添加同名识别标签,将指代同一实体的属于不同从属机构的同名实体标记为同一类。例如,假设从不同数据源抽取的指代同一实体的同名实体“人物2”有5个,其中,第1-3个同名实体“人物2”的从属机构分别是存在关联关系的机构1、机构2、及机构3,第4-5个同名实体“人物2”的从属机构分别是存在关联关系的机构4和机构5,则将机构1-3中的同名实体“人物2”添加第一同名识别标签(如标签“0”),将机构4-5中的同名实体“人物2”添加第二同名识别标签(如标签“1”)。
通过上述步骤S31-S34,本发明所提出的同名实体识别方法,通过设定修正字符表,解决了同一实体存在关联名称(如昵称、曾用名等)导致对同一实体难以区分的问题。进一步地,通过人物上下文信息以及从属机构推测人与人之间的社交关系,并根据推测出的社交关系确认不同数据源抽取的同名实体是否指代同一实体,解决了不同语境下同名的不同实体的区分难题。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质(如ROM/RAM、磁碟、光盘),所述计算机可读存储介质存储有同名实体识别系统20,所述同名实体识别系统20可被至少一个处理器22执行,以使所述至少一个处理器22执行如上所述的同名实体识别方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件来实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。另外,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的同名实体识别系统,所述同名实体识别系统被所述处理器执行时实现如下步骤:
从互联网文本中按不同数据源抽取人物的简历信息;
根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息;
根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系;及
根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体是否指代同一实体。
2.如权利要求1所述的电子设备,其特征在于,所述预设的修正字符表中存储有不同机构和职位的人物真实姓名与关联名称之间的对应关系;及
所述修正包括:根据所述修正字符表中存储的不同机构和职位的人物真实姓名与关联名称之间的对应关系,将人物简历信息中的人物姓名修正为真实姓名。
3.如权利要求1或2所述的电子设备,其特征在于,所述人与人之间的社交关系包括:同事关系、上下级关系、及关联关系;
所述同事关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构相同,则判定该两个人物为同事关系;
所述上下级关系根据所述修正后的人物简历信息中的职位确定,如果所述人物上下文信息中的两个人物简历信息中的职位存在上下级关系,则判定该两个人物存在上下级关系;及
所述关联关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构存在关联关系,则判定该两个人物存在关联关系。
4.如权利要求1所述的电子设备,其特征在于,所述确认不同数据源抽取的同名实体是否指代同一实体包括:
如果不同数据源抽取的同名实体的从属机构存在关联关系,则判定所述同名实体指代同一实体;及
如果不同数据源抽取的同名实体的从属机构不存在关联关系,则判定所述同名实体指代不同的实体。
5.如权利要求1所述的电子设备,其特征在于,所述同名实体识别系统被所述处理器执行时还实现如下步骤:
通过层次聚类的方式,对不同数据源抽取的同名实体添加同名识别标签,将指代同一实体的属于不同从属机构的同名实体标记为同一类。
6.一种同名实体识别方法,应用于电子设备,其特征在于,所述方法包括:
从互联网文本中按不同数据源抽取人物的简历信息;
根据预设的修正字符表,对抽取的人物简历信息进行修正,得到修正后的人物简历信息;
根据所述互联网文本中的人物上下文信息及所述修正后的人物简历信息中的从属机构,推测人与人之间的社交关系;及
根据所述推测出的人与人之间的社交关系,确认不同数据源抽取的同名实体是否指代同一实体。
7.如权利要求6所述的同名实体识别方法,其特征在于,所述预设的修正字符表中存储有不同机构和职位的人物真实姓名与关联名称之间的对应关系,其中:
所述修正包括:根据所述修正字符表中存储的不同机构和职位的人物真实姓名与关联名称之间的对应关系,将人物简历信息中的人物姓名修正为真实姓名;
所述人与人之间的社交关系包括:同事关系、上下级关系、及关联关系,其中:
所述同事关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构相同,则判定该两个人物为同事关系;
所述上下级关系根据所述修正后的人物简历信息中的职位确定,如果所述人物上下文信息中的两个人物简历信息中的职位存在上下级关系,则判定该两个人物存在上下级关系;
所述关联关系根据所述修正后的人物简历信息中的从属机构确定,如果所述人物上下文信息中的两个人物简历信息中的从属机构存在关联关系,则判定该两个人物存在关联关系。
8.如权利要求6或7所述的同名实体识别方法,其特征在于,所述确认不同数据源抽取的同名实体是否指代同一实体包括:
如果不同数据源抽取的同名实体的从属机构存在关联关系,则判定所述同名实体指代同一实体;及
如果不同数据源抽取的同名实体的从属机构不存在关联关系,则判定所述同名实体指代不同的实体。
9.如权利要求6所述的同名实体识别方法,其特征在于,所述同名实体识别系统被所述处理器执行时还实现如下步骤:
通过层次聚类的方式,对不同数据源抽取的同名实体添加同名识别标签,将指代同一实体的属于不同从属机构的同名实体标记为同一类。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有同名实体识别系统,所述同名实体识别系统可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求6-9中任一项所述的同名实体识别方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710775378.2A CN107766322A (zh) | 2017-08-31 | 2017-08-31 | 同名实体识别方法、电子设备及计算机可读存储介质 |
PCT/CN2017/108808 WO2019041525A1 (zh) | 2017-08-31 | 2017-10-31 | 同名实体识别方法、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710775378.2A CN107766322A (zh) | 2017-08-31 | 2017-08-31 | 同名实体识别方法、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107766322A true CN107766322A (zh) | 2018-03-06 |
Family
ID=61265930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710775378.2A Pending CN107766322A (zh) | 2017-08-31 | 2017-08-31 | 同名实体识别方法、电子设备及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107766322A (zh) |
WO (1) | WO2019041525A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717425A (zh) * | 2018-04-26 | 2018-10-30 | 国家电网公司 | 一种基于多数据源的知识图谱人物实体对齐方法 |
CN111428482A (zh) * | 2020-03-26 | 2020-07-17 | 北京明略软件系统有限公司 | 一种信息识别方法和装置 |
CN113158671A (zh) * | 2021-03-25 | 2021-07-23 | 胡明昊 | 一种结合命名实体识别的开放域信息抽取方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019234827A1 (ja) * | 2018-06-05 | 2019-12-12 | 日本電気株式会社 | 情報処理装置、判定方法、プログラムが格納された非一時的なコンピュータ可読媒体および情報処理システム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831128A (zh) * | 2011-06-15 | 2012-12-19 | 富士通株式会社 | 一种对互联网上的同名人物信息进行分类的方法及装置 |
WO2013002436A1 (ko) * | 2011-06-27 | 2013-01-03 | 한국과학기술정보연구원 | 온톨로지 기반의 문서 분류 방법 및 장치 |
CN103853738A (zh) * | 2012-11-29 | 2014-06-11 | 中国科学院计算机网络信息中心 | 一种网页信息相关地域的识别方法 |
CN106951684A (zh) * | 2017-02-28 | 2017-07-14 | 北京大学 | 一种医学疾病诊断记录中实体消歧的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495916A (zh) * | 2011-11-07 | 2012-06-13 | 中国南方电网有限责任公司 | 一种基于对象匹配的多应用系统全景建模方法 |
CN105389488B (zh) * | 2015-11-26 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 身份认证方法及装置 |
CN106817390B (zh) * | 2015-12-01 | 2020-04-24 | 阿里巴巴集团控股有限公司 | 一种用户数据共享的方法和设备 |
CN105550336B (zh) * | 2015-12-22 | 2018-12-18 | 北京搜狗科技发展有限公司 | 单一实体实例的挖掘方法和装置 |
-
2017
- 2017-08-31 CN CN201710775378.2A patent/CN107766322A/zh active Pending
- 2017-10-31 WO PCT/CN2017/108808 patent/WO2019041525A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831128A (zh) * | 2011-06-15 | 2012-12-19 | 富士通株式会社 | 一种对互联网上的同名人物信息进行分类的方法及装置 |
WO2013002436A1 (ko) * | 2011-06-27 | 2013-01-03 | 한국과학기술정보연구원 | 온톨로지 기반의 문서 분류 방법 및 장치 |
CN103853738A (zh) * | 2012-11-29 | 2014-06-11 | 中国科学院计算机网络信息中心 | 一种网页信息相关地域的识别方法 |
CN106951684A (zh) * | 2017-02-28 | 2017-07-14 | 北京大学 | 一种医学疾病诊断记录中实体消歧的方法 |
Non-Patent Citations (1)
Title |
---|
于满泉: "面向人物追踪的知识挖掘研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717425A (zh) * | 2018-04-26 | 2018-10-30 | 国家电网公司 | 一种基于多数据源的知识图谱人物实体对齐方法 |
CN111428482A (zh) * | 2020-03-26 | 2020-07-17 | 北京明略软件系统有限公司 | 一种信息识别方法和装置 |
CN111428482B (zh) * | 2020-03-26 | 2023-11-24 | 北京明略软件系统有限公司 | 一种信息识别方法和装置 |
CN113158671A (zh) * | 2021-03-25 | 2021-07-23 | 胡明昊 | 一种结合命名实体识别的开放域信息抽取方法 |
CN113158671B (zh) * | 2021-03-25 | 2023-08-11 | 胡明昊 | 一种结合命名实体识别的开放域信息抽取方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019041525A1 (zh) | 2019-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502608A (zh) | 基于知识图谱的人机对话方法及人机对话装置 | |
CN107766322A (zh) | 同名实体识别方法、电子设备及计算机可读存储介质 | |
CN107818075A (zh) | 表格信息结构化提取方法、电子设备及计算机可读存储介质 | |
CN107844634A (zh) | 多元通用模型平台建模方法、电子设备及计算机可读存储介质 | |
CN109815339A (zh) | 基于TextCNN知识抽取方法、装置、计算机设备及存储介质 | |
CN107832676A (zh) | 表格信息换行识别方法、电子设备及计算机可读存储介质 | |
CN107797989A (zh) | 企业名称识别方法、电子设备及计算机可读存储介质 | |
CN107038256B (zh) | 基于数据源的业务定制装置、方法及计算机可读存储介质 | |
CN107679084A (zh) | 聚类标签生成方法、电子设备及计算机可读存储介质 | |
CN107767259A (zh) | 贷款风险控制方法、电子装置及可读存储介质 | |
CN107958016A (zh) | 功能页面定制方法及应用服务器 | |
CN109446197A (zh) | 用户信息处理方法、装置、计算机设备及存储介质 | |
CN107870986A (zh) | 基于爬虫数据的用户行为分析方法、应用服务器及计算机可读存储介质 | |
CN108170759A (zh) | 投诉案件处理的方法、装置、计算机设备及存储介质 | |
CN112632278A (zh) | 一种基于多标签分类的标注方法、装置、设备及存储介质 | |
CN107911334A (zh) | Ip地址风险监测方法及应用服务器 | |
CN109583392A (zh) | 一种车位检测方法、装置和存储介质 | |
CN108038655A (zh) | 部门需求的推荐方法、应用服务器及计算机可读存储介质 | |
CN107871279A (zh) | 用户身份验证方法及应用服务器 | |
CN109614914A (zh) | 车位顶点定位方法、装置和存储介质 | |
CN103036910A (zh) | 一种用户Web访问行为控制方法及装置 | |
CN107688564A (zh) | 新闻主体企业识别方法、电子设备及计算机可读存储介质 | |
CN108038707A (zh) | 项目推荐方法、电子设备及计算机可读存储介质 | |
CN115391439A (zh) | 文档数据导出方法、装置、电子设备和存储介质 | |
CN107944931A (zh) | 种子用户拓展方法、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |
|
RJ01 | Rejection of invention patent application after publication |