发明名称 |
一种基于深度学的非监督命名实体语义消歧方法 |
摘要 |
本发明提供了一种基于深度学的非监督命名实体语义消歧方法,针对某一特定领域,在垂直网站上抓取评论数据并进行预处理;对评论数据中文分词;利用主题模型对词进行主题聚类,生成包含主题信息的文档主题词分布;对词集合中的所有词,使用基于深度学的词聚类方法word2vec进行关键词聚类,提取和关键词语义接近的词;使用条件随机场该模型识别评论数据中的命名实体;根据步骤4主题聚类的聚类结果,构建不同主题下的词集合,计算文档和词集合的相似度,选取文档主题,得出文档中命名实体的语境含义,从而消除语义岐义。本发明实现了以比较高的可解释度和精确度来进行命名实体消歧,满足了特定领域且需要大量的知识库的要求。 |
申请公布号 |
CN104268200A |
申请公布日期 |
2015.01.07 |
申请号 |
CN201410488048.1 |
申请日期 |
2014.09.22 |
申请人 |
中科嘉速(北京)并行软件有限公司 |
发明人 |
余雷;邓攀;闫碧莹;袁伟;李玉成;万安格 |
分类号 |
G06F17/30(2006.01)I;G06F17/27(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
北京永创新实专利事务所 11121 |
代理人 |
祗志洁 |
主权项 |
一种基于深度学习的非监督命名实体语义消歧方法,针对某一特定领域,其特征在于,进行如下步骤:步骤1:构建爬虫程序,在垂直网站上抓取领域内的评论数据;步骤2:对评论数据进行预处理,包括:去重处理,根据数据长度进行清洗,去除垃圾广告,去除评论数据中的网址,去除自动评论数据;将预处理后的评论数据用于下面步骤;步骤3:对评论数据进行中文分词,去除停用词,获取词集合;步骤4:对词集合中的词建立索引,利用主题模型对词进行主题聚类,生成包含主题信息的文档主题词分布;步骤5:使用基于深度学习的词聚类方法word2vec进行关键词聚类,提取和关键词语义接近的前X个关键词;X为正整数;步骤6:使用条件随机场该模型识别评论数据中的命名实体;步骤7:根据步骤4主题模型的聚类结果,构建不同主题下的词集合,计算文档和词集合的相似度,取相似度最高的前Y个主题作分析和比较,得出文档中命名实体的语境含义,从而消除语义岐义;Y为正整数。 |
地址 |
100190 北京市海淀区中关村南四街4号 |