本發(fā)明涉及信息檢索技術(shù)領(lǐng)域，尤其涉及一種人物信息知識庫自動構(gòu)建方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)規(guī)模的越來越龐大，如今在互聯(lián)網(wǎng)上進(jìn)行信息檢索時，不再是能不能找到自己想要的內(nèi)容的問題，而是能不能快速準(zhǔn)決找到自己想要的人物的問題。

人物作為社會活動的主體，很多時候需要了解一個人物的相關(guān)信息，比如撰寫人物相關(guān)的信息。但是互聯(lián)網(wǎng)信息來源過于繁雜，個人媒體時代的爆發(fā)性增長的信息都是主觀的信息，缺乏一定的客觀公正性，準(zhǔn)確性也不能得到保障，對人物的信息準(zhǔn)確獲取形成了一定的干擾。目前搜集新聞人物相關(guān)信息主要來源于人物相關(guān)官方網(wǎng)站、相關(guān)新聞報道等，缺乏人物信息的知識庫，通過搜索引擎來進(jìn)行人物相關(guān)新聞的檢索，結(jié)果含有大量的干擾項，需要人工地在眾多匹配結(jié)果中篩選人物相關(guān)的新聞信息，效率相對低下。例如:利用百度搜索“張偉”的新聞，顯示相關(guān)新聞約有138000篇，其中前3頁共計60條記錄中，就出現(xiàn)了23個不同的人物，不僅包含了數(shù)學(xué)家“張偉”、經(jīng)濟(jì)分析師“張偉”、記者“張偉”等還包括類似“張偉麗”、“張偉華”、“大張偉”等人物的新聞。因此有必要建立一個自動化的人物資料庫，提供人物豐富的、準(zhǔn)確的信息。

目前缺少一個完善的人物信息的知識庫，對人物的認(rèn)知主要來源于百科知識庫、新聞報道以及一些自媒體平臺。在進(jìn)行人物信息的檢索時，每次都需要耗費大量的時間去搜集人物相關(guān)的資料、信息，還需要對這些搜集的內(nèi)容進(jìn)行人工審核，去除重復(fù)、可信度低、有歧義的內(nèi)容。

目前構(gòu)建比較好的人物信息知識庫主要是一些網(wǎng)絡(luò)百科知識庫，如百度百科、維基百科、互動百科等。這些百科知識庫，將人物作為一個知識詞條，由互聯(lián)網(wǎng)用戶自發(fā)參與到人物信息的編撰，完善過程中。但是這種方式主要依賴于大眾的自發(fā)參與，詞條的準(zhǔn)確度、可靠性、全面性不能保證，經(jīng)常出現(xiàn)人物關(guān)注度下降以后，這些人物的信息就會缺乏更新維護(hù)的動力停止信息更新。

目前對人物信息描述比較準(zhǔn)確的主要是各大新聞網(wǎng)站，但是這些網(wǎng)站對人物新聞信息的報道不是連續(xù)的，依賴于社會新聞關(guān)注的變化，對人物信息的內(nèi)容也會變化，一般對人物信息的內(nèi)容也不是很全面。并且很多新聞網(wǎng)站經(jīng)常對人物信息的內(nèi)容進(jìn)行交叉引用，因此會出現(xiàn)重復(fù)性的內(nèi)容。另外新聞網(wǎng)站對人物新聞的內(nèi)容描述具有時效性，很少形成人物連續(xù)的新聞報道。

技術(shù)實現(xiàn)要素：

針對上述問題中存在的不足之處，本發(fā)明提供一種人物信息知識庫自動構(gòu)建方法。

為實現(xiàn)上述目的，本發(fā)明提供一種人物信息知識庫自動構(gòu)建方法，包括：

步驟1、構(gòu)建人物信息本體：搜集數(shù)據(jù)，分析人物分類、人物屬性、人物關(guān)系的特點，人物個體展示的特征，結(jié)合本體的構(gòu)建、存儲、表示方式來構(gòu)建人物信息本體框架；

步驟2、完善人物信息本體：根據(jù)需要從各類百科、新聞以及已存在的人物資源庫中抽取人物相關(guān)數(shù)據(jù)，進(jìn)行解析處理后來對本體實例化，創(chuàng)建本體中的人物個體以及形成初始的人物信息本體；

步驟3、抓取外部資源解析：不斷抓取外部動態(tài)更新、可靠的數(shù)據(jù)源進(jìn)行解析，利用人物特征數(shù)據(jù)、分類數(shù)據(jù)識別與人物信息本體中人物個體相關(guān)的信息數(shù)據(jù)；

步驟4、更新完善人物信息本體：利用抽取的數(shù)據(jù)進(jìn)行處理，獲取人物信息對人物信息本體進(jìn)行完善；

步驟5、提供人物信息知識服務(wù)：利用不斷完善的人物信息本體來提供可靠的知識服務(wù)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟2包括：

步驟21、從互聯(lián)網(wǎng)頁抓取原始數(shù)據(jù)，原始數(shù)據(jù)包含網(wǎng)頁標(biāo)簽、廣告，對原始數(shù)據(jù)進(jìn)行解析處理獲取初始數(shù)據(jù)；

步驟22、根據(jù)解析后的初始數(shù)據(jù)結(jié)合本體的基本結(jié)構(gòu)、網(wǎng)頁的結(jié)構(gòu)來實例化本體，創(chuàng)建本體中的人物個體；

步驟23、根據(jù)實例化的結(jié)果對本體進(jìn)行維護(hù)調(diào)整，利用構(gòu)建數(shù)據(jù)，形成人物基本信息、人物信息抽取規(guī)則庫、人物特征數(shù)據(jù)和分類數(shù)據(jù)。

作為本發(fā)明的進(jìn)一步改進(jìn)，在步驟23中，人物基本信息用于提供知識服務(wù)，后期會進(jìn)行不斷更新完善；人物信息抽取規(guī)則庫由獲取的人物信息進(jìn)行機(jī)器學(xué)習(xí)，不斷進(jìn)行學(xué)習(xí)完善，用于后續(xù)從無結(jié)構(gòu)化的文本中抽取人物基本信息；人物的特征數(shù)據(jù)用于對多個重名人物進(jìn)行消歧計算，區(qū)分重名人物；分類數(shù)據(jù)用于對后續(xù)的無分類的數(shù)據(jù)進(jìn)行歸類，輔助重名人物消歧以及后續(xù)的新創(chuàng)建的人物個體歸類。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟3包括：

步驟31、定時或者觸發(fā)式地抓取網(wǎng)頁數(shù)據(jù)，并解析抽取其中的數(shù)據(jù)；

步驟32、利用初始的人物信息本體，對定時解析抽取的數(shù)據(jù)進(jìn)行過濾，人物識別，識別出與人物信息本體有關(guān)的數(shù)據(jù)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟4包括：

步驟41、對抽取的數(shù)據(jù)進(jìn)行分類、過濾、去重；

步驟42、根據(jù)已有信息和設(shè)定的數(shù)據(jù)對獲取的信息進(jìn)行評價，獲取最終的信息；

步驟43、根據(jù)評價的結(jié)果，將獲取的信息補(bǔ)充人物信息本體中，或者利用可信度評價高的信息替換掉可信度較低的信息。

作為本發(fā)明的進(jìn)一步改進(jìn)，在步驟5中，可靠的知識服務(wù)包括：提供人物基本信息服務(wù)，提供人物關(guān)系擴(kuò)展服務(wù)，提供相似人物擴(kuò)展服務(wù)，提供簡單規(guī)則查詢的知識服務(wù)和提供人物動態(tài)的時間軸。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

本發(fā)明公開的一種人物信息知識庫自動構(gòu)建方法，其主要利用現(xiàn)有的資源，結(jié)合計算機(jī)技術(shù)和本體概念構(gòu)建完善人物知識庫，從而提供人物信息的知識服務(wù)，從而解決公眾人物信息檢索時遇到的人物信息不夠條理，人物新聞重復(fù)、因人名相同產(chǎn)生歧義等問題。

附圖說明

圖1為本發(fā)明一種實施例公開的人物信息知識庫自動構(gòu)建方法的流程圖；

圖2為本發(fā)明一種實施例公開的人物信息本體框架圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

下面結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)描述：

如圖1所示，本發(fā)明提供一種人物信息知識庫自動構(gòu)建方法，包括：

步驟1、構(gòu)建人物信息本體：需要搜集數(shù)據(jù)，分析人物分類、人物屬性、人物關(guān)系的特點以及人物個體展示的特征，結(jié)合本體的構(gòu)建、存儲、表示方式來構(gòu)建人物信息本體框架，人物信息本體框架如圖2所示。

步驟2、完善人物信息本體：需要根據(jù)需要從各類百科、新聞以及已存在的人物資源庫中抽取人物相關(guān)數(shù)據(jù)，對數(shù)據(jù)進(jìn)行解析處理后來對本體實例化，創(chuàng)建本體中的人物個體以及形成初始的人物信息本體；其中：

a、從比較規(guī)則的互聯(lián)網(wǎng)頁抓取的原始數(shù)據(jù)，原始數(shù)據(jù)包含網(wǎng)頁標(biāo)簽、廣告等內(nèi)容，需要解析處理獲取初始數(shù)據(jù)；

b、根據(jù)解析的數(shù)據(jù)結(jié)合本體的基本結(jié)構(gòu)、網(wǎng)頁的結(jié)構(gòu)來實例化本體，創(chuàng)建本體中的人物個體；

c、根據(jù)實例化的結(jié)果對本體進(jìn)行維護(hù)調(diào)整，利用構(gòu)建數(shù)據(jù)，形成人物基本信息、人物信息抽取規(guī)則庫、人物特征數(shù)據(jù)、分類數(shù)據(jù)等。其中，人物的基本信息用于提供知識服務(wù)，后期會進(jìn)行不斷更新完善。人物信息抽取規(guī)則庫由獲取的人物信息進(jìn)行機(jī)器學(xué)習(xí)，不斷進(jìn)行學(xué)習(xí)完善，用于后續(xù)從無結(jié)構(gòu)化的文本中抽取人物基本信息。人物的特征數(shù)據(jù)用于對多個重名人物進(jìn)行消歧計算，區(qū)分重名人物。分類數(shù)據(jù)用于對后續(xù)的無分類的數(shù)據(jù)進(jìn)行歸類，輔助重名人物消歧以及后續(xù)的新創(chuàng)建的人物個體歸類。

步驟3、抓取外部資源解析：需要不斷抓取外部動態(tài)更新、可靠的數(shù)據(jù)源如新聞、認(rèn)證微博等數(shù)據(jù)，進(jìn)行解析；利用人物特征數(shù)據(jù)、分類數(shù)據(jù)識別與人物信息本體中人物個體相關(guān)的信息數(shù)據(jù)；其中：

a、定時或者觸發(fā)式地抓取網(wǎng)頁數(shù)據(jù)，并解析抽取其中的數(shù)據(jù)；

b、利用初始的人物信息本體，對定時解析抽取的數(shù)據(jù)進(jìn)行過濾，人物識別，識別出與人物信息本體有關(guān)的數(shù)據(jù)。

步驟4、更新完善人物信息本體：利用抽取的數(shù)據(jù)進(jìn)行處理，獲取人物信息對人物信息本體進(jìn)行完善；其中；

a、需要對抽取的數(shù)據(jù)進(jìn)行分類、過濾、去重；

b、需要根據(jù)已有信息和設(shè)定的數(shù)據(jù)對獲取的信息進(jìn)行評價，獲取最終的信息；

c、根據(jù)評價的結(jié)果，將獲取的信息補(bǔ)充人物信息本體中，或者利用可信度評價高的信息替換掉可信度較低的信息。

步驟5、提供人物信息知識服務(wù)：利用不斷完善的人物信息本體來提供可靠的知識服務(wù)；其中，可靠的知識服務(wù)包括：提供人物基本信息服務(wù)，提供人物關(guān)系擴(kuò)展服務(wù)，提供相似人物擴(kuò)展服務(wù)，提供簡單規(guī)則查詢的知識服務(wù)和提供人物動態(tài)的時間軸。

本發(fā)明公開的一種人物信息知識庫自動構(gòu)建方法，其主要利用現(xiàn)有的資源，結(jié)合計算機(jī)技術(shù)和本體概念構(gòu)建完善人物知識庫，從而提供人物信息的知識服務(wù)，從而解決公眾人物信息檢索時遇到的人物信息不夠條理，人物新聞重復(fù)、因人名相同產(chǎn)生歧義等問題。

以上僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。