CN113076389A - 文章地域识别方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本公开公开了文章地域识别方法、装置、电子设备及可读存储介质，涉及计算机视觉、知识图谱以及自然语言处理等人工智能领域，其中的方法可包括：针对预定地域范围，构建树状结构的地域图谱，地域图谱中的各节点分别为一个地域词，并且，对于地域图谱中从根节点开始到任一叶节点结束的任一路径，所述路径上的各非根节点分别为其父节点的下属区域；针对待识别的文章，从地域图谱中的各非根节点中筛选出与文章相匹配的节点；根据筛选出的节点所在的路径确定出文章的地域识别结果。应用本公开所述方案，可提升识别结果的准确性等。

Description

文章地域识别方法、装置、电子设备及可读存储介质

技术领域

本公开涉及人工智能技术领域，特别涉及计算机视觉、知识图谱以及自然语言处理等领域的文章地域识别方法、装置、电子设备及可读存储介质。

背景技术

文章地域识别是指识别出文章中所发生之事的发生地点。传统的文章地域识别方式多为基于地域词表的识别方式，地域词表中可包括一些预先挖掘的地域词，并直接和文章中的文本片段进行匹配，若命中，则将命中的地域词作为文章的地域识别结果。但这种方式的准确性通常较差。

发明内容

本公开提供了文章地域识别方法、装置、电子设备及可读存储介质。

一种文章地域识别方法，包括：

针对预定地域范围，构建树状结构的地域图谱，所述地域图谱中的各节点分别为一个地域词，并且，对于所述地域图谱中从根节点开始到任一叶节点结束的任一路径，所述路径上的各非根节点分别为其父节点的下属区域；

针对待识别的文章，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点；

根据筛选出的节点所在的路径确定出所述文章的地域识别结果。

一种文章地域识别装置，包括：图谱构建模块、节点筛选模块以及结果获取模块；

所述图谱构建模块，用于针对预定地域范围，构建树状结构的地域图谱，所述地域图谱中的各节点分别为一个地域词，并且，对于所述地域图谱中从根节点开始到任一叶节点结束的任一路径，所述路径上的各非根节点分别为其父节点的下属区域；

所述节点筛选模块，用于针对待识别的文章，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点；

所述结果获取模块，用于根据筛选出的节点所在的路径确定出所述文章的地域识别结果。

一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如以上所述的方法。

上述公开中的一个实施例具有如下优点或有益效果：可构建地域图谱，并可从地域图谱中筛选出与待识别的文章相匹配的节点，进而可结合筛选出的节点所在的路径确定出文章的地域识别结果，从而提升了识别结果的准确性等。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开所述文章地域识别方法实施例的流程图；

图2为本公开所述地域图谱的示意图；

图3为本公开所述文章地域识别方法的整体实现过程示意图；

图4为本公开所述文章地域识别装置实施例400的组成结构示意图；

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本公开所述文章地域识别方法实施例的流程图。如图1所示，包括以下具体实现方式。

在步骤101中，针对预定地域范围，构建树状结构的地域图谱，地域图谱中的各节点分别为一个地域词，并且，对于地域图谱中从根节点开始到任一叶节点结束的任一路径，该路径上的各非根节点分别为其父节点的下属区域。

在步骤102中，针对待识别的文章，从地域图谱中的各非根节点中筛选出与文章相匹配的节点。

在步骤103中，根据筛选出的节点所在的路径确定出文章的地域识别结果。

可以看出，上述方法实施例所述方案中，可构建地域图谱，并可从地域图谱中筛选出与待识别的文章相匹配的节点，进而可结合筛选出的节点所在的路径确定出文章的地域识别结果，从而相比于现有仅依赖地域词表的识别方式，提升了识别结果的准确性等。

地域图谱可为针对预定地域范围构建的地域图谱，如针对“中国”构建的地域图谱。

地域图谱可为树状结构，其中可包括根节点、叶节点等，根节点即指树的最顶端的节点，叶节点即指末端节点，除叶节点外，其它节点均为至少一个节点的父节点。

地域图谱中的各节点分别为一个地域词，并且，对于地域图谱中从根节点开始到任一叶节点结束的任一路径，该路径上的各非根节点分别为其父节点的下属区域。比如，按照从上到下的顺序，某一路径上依次包括以下节点：根节点、节点1、节点2、节点3、节点4和节点5，节点1、节点2、节点3、节点4和节点5均为非根节点，那么节点1为根节点的下属区域，节点2为节点1的下属区域，节点3为节点2的下属区域，以此类推。

另外，地域图谱中的各非根节点可属于M个不同的级别，M为大于一的正整数，具体取值可根据实际需要而定。对于任一路径上的各非根节点，越为靠近根节点的非根节点所属的级别越高。

优选地，M的取值可为5，即地域图谱中的各非根节点可属于5个不同的级别，分别为第一级别、第二级别、第三级别、第四级别和第五级别。

以预定地域范围为“中国”为例，图2为本公开所述地域图谱的示意图，如图5所示，根节点可为国家，即中国，第一级别可包括省、自治区和直辖市，第二级别可为市，第三级别可包括区和县，第四级别可包括镇和乡，第五级别可包括兴趣点(POI，Point of Interest)和商圈(circle)，如公园、商场和医院等。以河北省为例，第一级别的地域词可为“河北省”，第二级别的地域词可包括“唐山市”、“石家庄市”和“保定市”等，对于“唐山市”这一节点，下属的第三级别的地域词可包括“路北区”和“滦南县”等，对于“路北区”这一节点，下属的第四级别的地域词可包括“韩城镇”等。

需要说明的是，图2所示仅为举例说明，并不用于限制本公开的技术方案。比如，也可将“县”作为第四级别等。

在实际应用中，可根据中国的实际行政区域划分情况，建立不同节点及节点间的连接关系，对于任一非根节点来说，通常只会有一个父节点。

基于所构建的地域图谱，可进行文章地域识别。其中，针对待识别的文章，可首先从地域图谱中的各非根节点中筛选出与文章相匹配的节点。具体地，可按照不同级别分别对应的筛选方式，从地域图谱中的各非根节点中筛选出与文章相匹配的节点。

其中，对于地域图谱中第一级别到第N级别中的任一级别的任一节点，可分别确定该节点是否出现在文章中，若是，则可将该节点作为筛选出的节点，N为大于一的正整数，且小于M，第N-1级别高于第N级别。

N的具体取值可根据实际需要而定，比如，当M的取值为5时，N的取值可为3，即对于地域图谱中第一级别到第三级别中的任一级别的任一节点，可分别确定该节点是否出现在文章中，假设地域图谱中属于第一级别到第三级别的节点共有300个(仅为举例说明)，那么针对这300个节点中的每个节点，可分别确定其是否出现在了文章中，即在文章中进行全匹配，若是，则可作为筛选出的节点。

另外，还可对文章进行命名实体识别(NER，Named Entity Recognition)，对于识别到的任一地名，若确定该地名为地域图谱中第N+1级别到第M级别中的任一级别的节点，则可将该节点作为筛选出的节点。

命名实体识别又可称为专名识别，是指识别出文本中具有特定语义的实体，如人名、地名、机构名等。

对于通过命名实体识别从文章中识别出的各地名，若确定其为地域图谱中第N+1级别到第M级别中的任一级别的节点，则可将其作为筛选出的节点。优选地，N的取值可为3，M的取值可为5。

比如，通过命名实体识别从文章中识别出了“陶然亭公园”这一地名，其为地域图谱中的第五级别的节点，那么可将“陶然亭公园”作为筛选出的节点。

通过上述介绍可以看出，本公开所述方案中，引入了图技术来进行文章地域识别，而且，在筛选与文章相匹配的节点时，针对不同级别的节点，分别采用不同的匹配方式，以N的取值为3和M的取值为5为例，对于第一级别、第二级别和第三级别的节点，可直接与文章进行全匹配，这些级别的节点均为比较准确的地域词，从而保证了准确性，对于第四级别和第五级别的节点，根据命名实体识别的结果进行二次匹配，这两个级别的节点数量较多，且歧义等增多，通过命名实体识别技术，既保证了准确性，又减少了匹配时间，提升了匹配效率等。

进一步地，针对待识别的文章，可根据筛选出的节点所在的路径确定出文章的地域识别结果。

具体地，对于筛选出的任一节点，可分别将该节点所在路径上的预定节点到根节点之间的子路径作为获取到的候选支线，预定节点为路径上级别最低的筛选出的节点，若仅获取到一个候选支线，则可将该候选支线上的节点作为文章的地域识别结果，若获取到大于一个候选支线，则可分别获取各候选支线的评分，并可将评分最高的候选支线上的节点作为文章的地域识别结果。

对于筛选出的任一节点，如节点a，其所在路径上可能只存在一个筛选出的节点，即节点a，也可能还存在其它筛选出的节点，如节点b，若只存在节点a这一个筛选出的节点，那么可将节点a所在路径上从根节点到节点a之间的子路径作为获取到的一个候选支线，若同时存在节点a和节点b两个筛选出的节点，那么可选出节点a和节点b中级别最低的节点，假设为节点b，并可将节点a和节点b所在路径上从根节点到节点b之间的子路径作为获取到的一个候选支线。

比如，获取到的一个候选支线可为：“国家(country)：中国，省(province)：北京市，市(city)：北京市，区(district)：延庆区，兴趣点(poi)：八达岭长城”。

对于筛选出的每个节点分别进行上述处理后，可能仅获取到一个候选支线，也可能获取到多个候选支线，即大于一个候选支线。若仅获取到一个候选支线，那么可直接将该候选支线上的节点作为文章的地域识别结果，若获取到大于一个候选支线，那么可分别获取各候选支线的评分，并可将评分最高的候选支线上的节点作为文章的地域识别结果。

比如，文章中出现了“太古里”这一兴趣点，假设地域图谱中包括两个“太古里”这一地域词对应的节点，相应地，获取到了两个候选支线，分别为：“国家：中国，省：北京市，市：北京市，区：朝阳区，兴趣点：太古里”和“国家：中国，省：四川省，市：成都市，区：锦江区，兴趣点：太古里”，那么可分别获取这两个候选支线的评分，并可将评分最高的候选支线上的节点作为文章的地域识别结果。

其中，针对任一候选支线，可分别根据该候选支线的长度、该候选支线中的节点在文章中的出现次数以及该候选支线中的节点在文章的标题中的出现位置等，确定出该候选支线的评分。

候选支线的长度可以是指候选支线上包括的节点数量。候选支线中的节点在文章中的出现次数可以是指候选支线中的各节点在文章中的出现次数总和，比如，候选支线中共包括5个节点，那么可分别统计这5个节点在文章中的出现次数，并可将5个统计结果相加，从而得到候选支线中的各节点在文章中的出现次数总和。候选支线中的节点在文章的标题中的出现位置可以用位置评分来体现，具体地，可综合出现在文章的标题中的节点数量以及出现位置来确定出所述位置评分，通常来说，出现在文章的标题中的节点数量越多，出现的位置越靠前，所述位置评分的取值越低。

相应地，对于任一候选支线，其评分可为：

Score＝L+Count+20/P； (1)

其中，Score表示该候选支线的评分，L表示该候选支线的长度，Count表示该候选支线中的各节点在文章中的出现次数总和，P表示该候选支线的位置评分。

假设“国家：中国，省：北京市，市：北京市，区：朝阳区，兴趣点：太古里”这一候选支线的评分大于“国家：中国，省：四川省，市：成都市，区：锦江区，兴趣点：太古里”这一支线的评分，那么则可将“国家：中国，省：北京市，市：北京市，区：朝阳区，兴趣点：太古里”作为文章的地域识别结果。

可以看出，上述处理方式中，可结合多种信息来生成不同候选支线的评分，从而提升了所选出的候选支线的准确性，进而进一步提升了地域识别结果的准确性等。

综合上述介绍，图3为本公开所述文章地域识别方法的整体实现过程示意图。其中，在构建地域图谱时，可结合已有的行政区域规划数据和景点数据，并可利用地图数据挖掘出大量的兴趣点和商圈数据等，从而构建起所需的地域图谱。另外，实际应用中，在进行匹配时，可用城市等的简称进行匹配，如对于“北京市”这一节点，可用“北京”去进行匹配，而不是用“北京市”，因为根据多数文章作者的写作习惯，会更多的使用简称，相应地，可提升匹配的成功率等。图3所示其它具体实现请参照前述相关说明，不再赘述。

另外，需要说明的是，对于前述的方法实施例，为了简单描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图4为本公开所述文章地域识别装置实施例400的组成结构示意图。如图4所示，包括：图谱构建模块401、节点筛选模块402以及结果获取模块403。

图谱构建模块401，用于针对预定地域范围，构建树状结构的地域图谱，地域图谱中的各节点分别为一个地域词，并且，对于地域图谱中从根节点开始到任一叶节点结束的任一路径，该路径上的各非根节点分别为其父节点的下属区域。

节点筛选模块402，用于针对待识别的文章，从地域图谱中的各非根节点中筛选出与文章相匹配的节点。

结果获取模块403，用于根据筛选出的节点所在的路径确定出文章的地域识别结果。

地域图谱可为针对预定地域范围构建的地域图谱，如针对“中国”构建的地域图谱。

地域图谱可为树状结构，其中的各节点分别为一个地域词，并且，对于地域图谱中从根节点开始到任一叶节点结束的任一路径，该路径上的各非根节点分别为其父节点的下属区域。

另外，地域图谱中的各非根节点可属于M个不同的级别，M为大于一的正整数，具体取值可根据实际需要而定。对于任一路径上的各非根节点，越为靠近根节点的非根节点所属的级别越高。

基于所构建的地域图谱，可进行文章地域识别。其中，首先，节点筛选模块402可针对待识别的文章，从地域图谱中的各非根节点中筛选出与文章相匹配的节点。具体地，可按照不同级别分别对应的筛选方式，从地域图谱中的各非根节点中筛选出与文章相匹配的节点。

其中，对于地域图谱中第一级别到第N级别中的任一级别的任一节点，节点筛选模块402可分别确定该节点是否出现在文章中，若是，则可将该节点作为筛选出的节点，N为大于一的正整数，且小于M，第N-1级别高于第N级别。

另外，节点筛选模块402还可对文章进行命名实体识别，对于识别到的任一地名，若确定该地名为地域图谱中第N+1级别到第M级别中的任一级别的节点，则可将该节点作为筛选出的节点。

进一步地，针对待识别的文章，结果获取模块403可根据筛选出的节点所在的路径确定出文章的地域识别结果。

具体地，结果获取模块403对于筛选出的任一节点，可分别将该节点所在路径上的预定节点到根节点之间的子路径作为获取到的候选支线，预定节点为路径上级别最低的筛选出的节点，若仅获取到一个候选支线，则可将该候选支线上的节点作为文章的地域识别结果，若获取到大于一个候选支线，则可分别获取各候选支线的评分，并可将评分最高的候选支线上的节点作为文章的地域识别结果。

其中，针对任一候选支线，结果获取模块403可分别根据该候选支线的长度、该候选支线中的节点在文章中的出现次数以及该候选支线中的节点在文章的标题中的出现位置等，确定出该候选支线的评分。

图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本公开装置实施例所述方案，可构建地域图谱，并可从地域图谱中筛选出与待识别的文章相匹配的节点，进而可结合筛选出的节点所在的路径确定出文章的地域识别结果，从而提升了识别结果的准确性等。

本公开所述方案可应用于人工智能领域，特别涉及计算机视觉、知识图谱以及自然语言处理等领域。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。云计算指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以以按需、自服务的方式对资源进行部署和管理的技术体系，通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种文章地域识别方法，包括：

针对预定地域范围，构建树状结构的地域图谱，所述地域图谱中的各节点分别为一个地域词，并且，对于所述地域图谱中从根节点开始到任一叶节点结束的任一路径，所述路径上的各非根节点分别为其父节点的下属区域；

针对待识别的文章，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点；

根据筛选出的节点所在的路径确定出所述文章的地域识别结果。

2.根据权利要求1所述的方法，其中，

所述地域图谱中的各非根节点属于M个不同的级别，M为大于一的正整数；对于任一路径上的各非根节点，越为靠近所述根节点的非根节点所属的级别越高；

所述从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点包括：按照不同级别分别对应的筛选方式，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点。

3.根据权利要求2所述的方法，其中，

所述按照不同级别分别对应的筛选方式，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点包括：

对于所述地域图谱中第一级别到第N级别中的任一级别的任一节点，分别确定所述节点是否出现在所述文章中，若是，则将所述节点作为筛选出的节点，N为大于一的正整数，且小于M，第N-1级别高于第N级别。

4.根据权利要求3所述的方法，其中，

所述按照不同级别分别对应的筛选方式，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点包括：

对所述文章进行命名实体识别，对于识别到的任一地名，若确定所述地名为所述地域图谱中第N+1级别到第M级别中的任一级别的节点，则将所述节点作为筛选出的节点。

5.根据权利要求2所述的方法，其中，所述根据筛选出的节点所在的路径确定出所述文章的地域识别结果包括：

对于筛选出的任一节点，分别将所述节点所在路径上的预定节点到根节点之间的子路径作为获取到的候选支线，所述预定节点为所述路径上级别最低的筛选出的节点；

若仅获取到一个候选支线，则将所述候选支线上的节点作为所述文章的地域识别结果；

若获取到大于一个候选支线，则分别获取各候选支线的评分，将评分最高的候选支线上的节点作为所述文章的地域识别结果。

6.根据权利要求5所述的方法，其中，所述分别获取各候选支线的评分包括：

针对任一候选支线，分别根据所述候选支线的长度、所述候选支线中的节点在所述文章中的出现次数以及所述候选支线中的节点在所述文章的标题中的出现位置，确定出所述候选支线的评分。

7.一种文章地域识别装置，包括：图谱构建模块、节点筛选模块以及结果获取模块；

所述图谱构建模块，用于针对预定地域范围，构建树状结构的地域图谱，所述地域图谱中的各节点分别为一个地域词，并且，对于所述地域图谱中从根节点开始到任一叶节点结束的任一路径，所述路径上的各非根节点分别为其父节点的下属区域；

所述节点筛选模块，用于针对待识别的文章，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点；

所述结果获取模块，用于根据筛选出的节点所在的路径确定出所述文章的地域识别结果。

8.根据权利要求7所述的装置，其中，

所述地域图谱中的各非根节点属于M个不同的级别，M为大于一的正整数；对于任一路径上的各非根节点，越为靠近所述根节点的非根节点所属的级别越高；

所述节点筛选模块按照不同级别分别对应的筛选方式，从所述地域图谱中的各非根节点中筛选出与所述文章相匹配的节点。

9.根据权利要求8所述的装置，其中，

所述节点筛选模块对于所述地域图谱中第一级别到第N级别中的任一级别的任一节点，分别确定所述节点是否出现在所述文章中，若是，则将所述节点作为筛选出的节点，N为大于一的正整数，且小于M，第N-1级别高于第N级别。

10.根据权利要求9所述的装置，其中，

所述节点筛选模块对所述文章进行命名实体识别，对于识别到的任一地名，若确定所述地名为所述地域图谱中第N+1级别到第M级别中的任一级别的节点，则将所述节点作为筛选出的节点。

11.根据权利要求8所述的装置，其中，

所述结果获取模块对于筛选出的任一节点，分别将所述节点所在路径上的预定节点到根节点之间的子路径作为获取到的候选支线，所述预定节点为所述路径上级别最低的筛选出的节点，若仅获取到一个候选支线，则将所述候选支线上的节点作为所述文章的地域识别结果，若获取到大于一个候选支线，则分别获取各候选支线的评分，将评分最高的候选支线上的节点作为所述文章的地域识别结果。

12.根据权利要求11所述的装置，其中，

所述结果获取模块针对任一候选支线，分别根据所述候选支线的长度、所述候选支线中的节点在所述文章中的出现次数以及所述候选支线中的节点在所述文章的标题中的出现位置，确定出所述候选支线的评分。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images