[发明专利]一种中文实体属性抽取方法

摘要

本发明公开了一种中文实体属性抽取方法，该方法包括提取百度百科词条页面的文本、使用词条标签对页面过滤、使用剩余页面中信息框的数据进行远程标注获得训练数据、对训练数据进行分词和泛化、将泛化后的训练数据转化为词向量，然后经过分类器后得到分类结果，并填充到对应类别的属性槽中；本中文实体属性抽取方法，不需要人工定义特征以及其他的额外资源，得益于双向LSTM模型能从句子正反两个方向利用以前信息和未来信息进行特征学习的特性，在实体属性抽取任务中具有更高的准确率。

主权项

1.一种中文实体属性抽取方法，其特征在于，包括以下抽取步骤：S1：提取百度百科词条页面的文本，从中获得百科信息框、词条标签等信息；S2：使用词条标签对页面过滤，保留与目标类标签相关的词条页面；S3：将过滤后的词条页面中信息框的数据作为输入，使用远距离监督方式抽取出自动标注的训练数据；S4：对训练数据进行分词和泛化；S5：使用Word2Vec工具，将泛化后的训练数据转化为词向量；S6：将处理后的词向量作为抽取分类器的训练集，迭代训练双向LSTM深度学习网络分类器；S7：对自由文本重复步骤S4的方法进行分词和泛化，然后经过分类器得到分类结果，并填充到类别对应的属性槽中。