申请/专利权人：清华大学

申请日：2020-11-09

公开（公告）日：2024-06-25

公开（公告）号：CN112527977B

主分类号：G06F16/332

分类号：G06F16/332;G06F16/33;G06F16/36

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本发明实施例提供一种概念抽取方法、装置、电子设备及存储介质，其中，该方法包括：根据预设的词表对待提取文本进行术语抽取，获取第一候选概念列表，并根据预设的知识图谱对待提取文本进行实体链接，获取第二候选概念列表；对第一候选概念列表和第二候选概念列表中的各候选概念进行重排序，根据重排序的结果获取待提取文本的概念抽取结果；其中，待提取文本为非结构化文本。本发明实施例提供的概念抽取方法、装置、电子设备及存储介质，通过对待提取文本进行术语抽取和实体链接获取的各候选概念进行重排序，根据重排序的结果获取概念抽取结果，能在标注数据较少甚至没有标注数据的情况下，从非结构化文本中更高效、准确等抽取出概念。

主权项：1.一种概念抽取方法，其特征在于，包括：根据预设的词表对待提取文本进行术语抽取，获取第一候选概念列表，并根据预设的知识图谱对所述待提取文本进行实体链接，获取第二候选概念列表；对所述第一候选概念列表和所述第二候选概念列表中的各候选概念进行重排序，根据重排序的结果获取所述待提取文本的概念抽取结果；其中，所述待提取文本为非结构化文本；其中，对所述第一候选概念列表和所述第二候选概念列表中的各候选概念进行重排序的具体步骤包括：根据所述第一候选概念列表中各候选概念的置信度和在所述待提取文本中的出现频率，对所述第一候选概念列表和所述第二候选概念列表中的各候选概念进行重排序；和或，根据所述第一候选概念列表和所述第二候选概念列表中的各候选概念的词向量进行聚类，根据聚类的结果和预设的种子概念的词向量进行重排序；其中，所述根据所述第一候选概念列表中各候选概念的置信度和在所述待提取文本中的出现频率，对所述第一候选概念列表和所述第二候选概念列表中的各候选概念进行重排序的具体步骤包括：根据TF-IDF方法，获取所述第一候选概念列表中各候选概念的置信度；根据所述第一候选概念列表中各候选概念的置信度和在所述待提取文本中的出现频率，以及所述第二候选概念列表，获取重排序的结果；其中，所述根据所述第一候选概念列表和所述第二候选概念列表中的各候选概念的词向量进行聚类，根据聚类的结果和预设的种子概念的词向量进行重排序的具体步骤包括：获取所述对所述第一候选概念列表和所述第二候选概念列表中的各候选概念的词向量，根据所述第一候选概念列表和所述第二候选概念列表中的各候选概念的词向量进行聚类；根据聚类获得的每一类簇中心与预设的每一种子概念类簇中心之间的相似度，对各所述类簇中心所属的类簇进行排序；对于每一所述类簇，根据与所述类簇中心之间的相似度最大的种子概念类簇中心，与属于所述类簇的每一候选概念的词向量之间的相似度，对属于所述类簇的各候选概念进行排序。

全文数据：

权利要求：

百度查询： 清华大学 概念抽取方法、装置、电子设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD