一种人物属性抽取训练数据集构建方法[发明专利]

专利名称：一种人物属性抽取训练数据集构建方法专利类型：发明专利

发明人：赵忠华，孙小宁，李欣，万欣欣，袁钟怡，张小明申请号：CN201810636331.2

申请日：20180620

公开号：CN109033166A

公开日：

20181218

专利内容由知识产权出版社提供

摘要：本发明公开了一种人物属性抽取训练数据集构建方法。首先，下载HTML页面中的文本数据内容，提取描述人物正文内容和属性信息的信息框数据，并进行编码存储和语句切分；然后，对切分后的语句，选取既包含人物名称、人物属性值内容的语句构建人物属性抽取语料数据集；最后，提取人物属性抽取语料数据集中的所有动词，基于信息熵的方法对所有动词进行排序，提取排名靠前的动词作为属性触发词，把人物属性抽取语料数据集中不包含属性触发词的语句删除掉，剩下的语句就组成了人物属性抽取训练数据集。本发明综合利用的网页数据采集、词性分析、词语信息熵计算等技术自动构建人物属性抽取训练数据集，对提高训练数据集构建的效率具有重要意义。

申请人：国家计算机网络与信息安全管理中心

地址：100029 北京市朝阳区裕民路甲3号

国籍：CN

代理机构：北京慧泉知识产权代理有限公司

代理人：李娜

本文发布于:2024-09-22 16:51:58，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/1/449773.html

上一篇：一种智能化的物料属性值填充方法[发明专利]

下一篇：...无形资产》和《专利资产评估指导意见》的通知