本發(fā)明涉及信息驗(yàn)證技術(shù)領(lǐng)域，特別涉及一種信息真?zhèn)悟?yàn)證方法及系統(tǒng)。

背景技術(shù)：

當(dāng)前，隨著信息時(shí)代的迅速發(fā)展，人們可以從許多不同的數(shù)據(jù)源處獲取到自己所需的信息，其中，互聯(lián)網(wǎng)已經(jīng)逐漸成為當(dāng)前人們獲取數(shù)據(jù)的主要來(lái)源，現(xiàn)在許多數(shù)據(jù)管理應(yīng)用都會(huì)利用互聯(lián)網(wǎng)這一數(shù)據(jù)源來(lái)收集數(shù)據(jù)，由此可為用戶提供便捷的數(shù)據(jù)服務(wù)。

然而，對(duì)于現(xiàn)實(shí)世界中同一個(gè)實(shí)體的同一種屬性，不同數(shù)據(jù)源針對(duì)該屬性的描述可能是不一樣的，在這種情況下，如何對(duì)信息的真?zhèn)芜M(jìn)行有效地辨別便成為了當(dāng)前亟需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種信息真?zhèn)悟?yàn)證方法及系統(tǒng)，能夠?qū)崿F(xiàn)對(duì)信息的真?zhèn)芜M(jìn)行有效地辨別的目的。其具體方案如下：

一種信息真?zhèn)悟?yàn)證方法，包括：

從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值，得到相應(yīng)的屬性值集合；

從所述屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為所述特定屬性的正確屬性值。

可選的，所述從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值的過(guò)程，包括：

利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與所述特定屬性對(duì)應(yīng)的三元組信息，得到與所述特定屬性對(duì)應(yīng)的三元組信息集合；其中，所述特定屬性對(duì)應(yīng)的三元組信息包括所述目標(biāo)實(shí)體的名稱、所述特征屬性的名稱以及所述特征屬性的屬性值；

將所述三元組信息集合中的所有屬性值提取出來(lái)，得到所述屬性值集合。

可選的，所述從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值的過(guò)程，包括：

利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與所述目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息，得到與所述目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息集合；其中，所述目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息包括所述目標(biāo)實(shí)體的名稱、所述目標(biāo)實(shí)體的任一屬性的名稱以及該屬性對(duì)應(yīng)的屬性值；

從所述三元組信息集合中篩選出與所述特征屬性對(duì)應(yīng)的三元組信息，得到目標(biāo)三元組信息集合；

將所述目標(biāo)三元組信息集合中的所有屬性值提取出來(lái)，得到所述屬性值集合。

可選的，所述從所述屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為所述特定屬性的正確屬性值的過(guò)程，包括：

分別對(duì)所述屬性值集合中相同屬性值出現(xiàn)的頻次進(jìn)行統(tǒng)計(jì)，得到所述屬性值集合中每種屬性值對(duì)應(yīng)的出現(xiàn)頻次；

將出現(xiàn)頻次最多的屬性值確定為所述特定屬性的正確屬性值。

可選的，所述從所述屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為所述特定屬性的正確屬性值的過(guò)程，包括：

對(duì)所述屬性值集合進(jìn)行分組處理，得到多組屬性值；其中，每組屬性值中的屬性值均相同；

將所述多組屬性值中屬性值數(shù)量最多的一組屬性值確定為目標(biāo)組；

將與所述目標(biāo)組對(duì)應(yīng)的屬性值確定為所述特定屬性的正確屬性值。

本發(fā)明還公開(kāi)了一種信息真?zhèn)悟?yàn)證系統(tǒng)，包括：

屬性值選取模塊，用于從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值，得到相應(yīng)的屬性值集合；

正確屬性值確定模塊，用于從所述屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為所述特定屬性的正確屬性值。

可選的，所述屬性值選取模塊，包括：

第一信息抽取單元，用于利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與所述特定屬性對(duì)應(yīng)的三元組信息，得到與所述特定屬性對(duì)應(yīng)的三元組信息集合；其中，所述特定屬性對(duì)應(yīng)的三元組信息包括所述目標(biāo)實(shí)體的名稱、所述特征屬性的名稱以及所述特征屬性的屬性值；

第一提取單元，用于將所述三元組信息集合中的所有屬性值提取出來(lái)，得到所述屬性值集合。

可選的，所述屬性值選取模塊，包括：

第二信息抽取單元，用于利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與所述目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息，得到與所述目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息集合；其中，所述目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息包括所述目標(biāo)實(shí)體的名稱、所述目標(biāo)實(shí)體的任一屬性的名稱以及該屬性對(duì)應(yīng)的屬性值；

信息篩選單元，用于從所述三元組信息集合中篩選出與所述特征屬性對(duì)應(yīng)的三元組信息，得到目標(biāo)三元組信息集合；

第二提取單元，用于將所述目標(biāo)三元組信息集合中的所有屬性值提取出來(lái)，得到所述屬性值集合。

可選的，所述正確屬性值確定模塊，包括：

頻次統(tǒng)計(jì)單元，用于分別對(duì)所述屬性值集合中相同屬性值出現(xiàn)的頻次進(jìn)行統(tǒng)計(jì)，得到所述屬性值集合中每種屬性值對(duì)應(yīng)的出現(xiàn)頻次；

第一屬性值確定單元，用于將出現(xiàn)頻次最多的屬性值確定為所述特定屬性的正確屬性值。

可選的，所述正確屬性值確定模塊，包括：

分組單元，用于對(duì)所述屬性值集合進(jìn)行分組處理，得到多組屬性值；其中，每組屬性值中的屬性值均相同；

目標(biāo)組確定單元，用于將所述多組屬性值中屬性值數(shù)量最多的一組屬性值確定為目標(biāo)組；

第二屬性值確定單元，用于將與所述目標(biāo)組對(duì)應(yīng)的屬性值確定為所述特定屬性的正確屬性值。

本發(fā)明中，信息真?zhèn)悟?yàn)證方法，包括：從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值，得到相應(yīng)的屬性值集合；從屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為特定屬性的正確屬性值。

可見(jiàn)，本發(fā)明從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值之后，將會(huì)從上述得到的屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，由于該屬性值在上述屬性值集合中出現(xiàn)的次數(shù)最多，則意味著該屬性值最為公眾所認(rèn)可和采用，所以本發(fā)明便將該屬性值確定為上述特定屬性的正確屬性值，從而有利于大幅提升最終篩選到的信息的準(zhǔn)確性，也即，本發(fā)明能夠?qū)崿F(xiàn)對(duì)信息的真?zhèn)芜M(jìn)行有效地辨別，從而提升采集到的信息的準(zhǔn)確性。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例公開(kāi)的一種信息真?zhèn)悟?yàn)證方法流程圖；

圖2為本發(fā)明實(shí)施例公開(kāi)的一種具體的信息真?zhèn)悟?yàn)證方法流程圖；

圖3為本發(fā)明實(shí)施例公開(kāi)的一種具體的信息真?zhèn)悟?yàn)證方法流程圖；

圖4為本發(fā)明實(shí)施例公開(kāi)的一種信息真?zhèn)悟?yàn)證系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)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(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例公開(kāi)了一種信息真?zhèn)悟?yàn)證方法，參見(jiàn)圖1所示，該方法包括：

步驟s11：從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值，得到相應(yīng)的屬性值集合。

可以理解的是，本發(fā)明實(shí)施例中的數(shù)據(jù)源可以是互聯(lián)網(wǎng)，當(dāng)然也可以是各種圖書(shū)、報(bào)刊等數(shù)據(jù)源。

步驟s12：從屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為特定屬性的正確屬性值。

可見(jiàn)，本發(fā)明實(shí)施例從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值之后，將會(huì)從上述得到的屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，由于該屬性值在上述屬性值集合中出現(xiàn)的次數(shù)最多，則意味著該屬性值最為公眾所認(rèn)可和采用，所以本發(fā)明實(shí)施例便將該屬性值確定為上述特定屬性的正確屬性值，從而有利于大幅提升最終篩選到的信息的準(zhǔn)確性，也即，本發(fā)明實(shí)施例能夠?qū)崿F(xiàn)對(duì)信息的真?zhèn)芜M(jìn)行有效地辨別，從而提升采集到的信息的準(zhǔn)確性。

參見(jiàn)圖2所示，本發(fā)明實(shí)施例公開(kāi)了一種具體的信息真?zhèn)悟?yàn)證方法，包括如下步驟s21至s23：

步驟s21：利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與特定屬性對(duì)應(yīng)的三元組信息，得到與特定屬性對(duì)應(yīng)的三元組信息集合；其中，特定屬性對(duì)應(yīng)的三元組信息包括目標(biāo)實(shí)體的名稱、特征屬性的名稱以及特征屬性的屬性值。

例如，假設(shè)上述目標(biāo)實(shí)體是“美國(guó)”，上述特定屬性是“首都”，則與上述特定屬性對(duì)應(yīng)的正確的屬性值應(yīng)該為“華盛頓”，然而，可能在某些數(shù)據(jù)源中顯示的與上述特定屬性對(duì)應(yīng)的屬性值并非是“華盛頓”，而是“紐約”，此時(shí)該屬性值便是錯(cuò)誤的。

步驟s22：將三元組信息集合中的所有屬性值提取出來(lái)，得到屬性值集合。

步驟s23：分別對(duì)屬性值集合中相同屬性值出現(xiàn)的頻次進(jìn)行統(tǒng)計(jì)，得到屬性值集合中每種屬性值對(duì)應(yīng)的出現(xiàn)頻次，然后將出現(xiàn)頻次最多的屬性值確定為特定屬性的正確屬性值。

參見(jiàn)圖3所示，本發(fā)明實(shí)施例公開(kāi)了一種具體的信息真?zhèn)悟?yàn)證方法，包括如下步驟s31至s34：

步驟s31：利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息，得到與目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息集合；其中，目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息包括目標(biāo)實(shí)體的名稱、目標(biāo)實(shí)體的任一屬性的名稱以及該屬性對(duì)應(yīng)的屬性值；

步驟s32：從三元組信息集合中篩選出與特征屬性對(duì)應(yīng)的三元組信息，得到目標(biāo)三元組信息集合；

步驟s33：將目標(biāo)三元組信息集合中的所有屬性值提取出來(lái)，得到屬性值集合。

步驟s34：對(duì)屬性值集合進(jìn)行分組處理，得到多組屬性值；其中，每組屬性值中的屬性值均相同，接著將多組屬性值中屬性值數(shù)量最多的一組屬性值確定為目標(biāo)組，然后將與目標(biāo)組對(duì)應(yīng)的屬性值確定為特定屬性的正確屬性值。

可以理解的是，上述步驟s34與上一實(shí)施例中的步驟s23可以相互替換。

相應(yīng)的，本發(fā)明實(shí)施例公開(kāi)了一種信息真?zhèn)悟?yàn)證系統(tǒng)，參見(jiàn)圖4所示，該系統(tǒng)包括：

屬性值選取模塊11，用于從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值，得到相應(yīng)的屬性值集合；

正確屬性值確定模塊12，用于從屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，并將該屬性值確定為特定屬性的正確屬性值。

在一種具體實(shí)施方式中，上述屬性值選取模塊11，可以包括第一信息抽取單元和第一提取單元；其中，

第一信息抽取單元，用于利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與特定屬性對(duì)應(yīng)的三元組信息，得到與特定屬性對(duì)應(yīng)的三元組信息集合；其中，特定屬性對(duì)應(yīng)的三元組信息包括目標(biāo)實(shí)體的名稱、特征屬性的名稱以及特征屬性的屬性值；

第一提取單元，用于將三元組信息集合中的所有屬性值提取出來(lái)，得到屬性值集合。

在另一種具體實(shí)施方式中，上述屬性值選取模塊11，可以包括第二信息抽取單元、信息篩選單元和第二提取單元；其中，

第二信息抽取單元，用于利用信息抽取技術(shù)，從不同的html網(wǎng)頁(yè)和/或xml網(wǎng)頁(yè)中抽取出與目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息，得到與目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息集合；其中，目標(biāo)實(shí)體對(duì)應(yīng)的三元組信息包括目標(biāo)實(shí)體的名稱、目標(biāo)實(shí)體的任一屬性的名稱以及該屬性對(duì)應(yīng)的屬性值；

信息篩選單元，用于從三元組信息集合中篩選出與特征屬性對(duì)應(yīng)的三元組信息，得到目標(biāo)三元組信息集合；

第二提取單元，用于將目標(biāo)三元組信息集合中的所有屬性值提取出來(lái)，得到屬性值集合。

在一種具體實(shí)施方式中，上述正確屬性值確定模塊12，可以包括頻次統(tǒng)計(jì)單元和第一屬性值確定單元；其中，

頻次統(tǒng)計(jì)單元，用于分別對(duì)屬性值集合中相同屬性值出現(xiàn)的頻次進(jìn)行統(tǒng)計(jì)，得到屬性值集合中每種屬性值對(duì)應(yīng)的出現(xiàn)頻次；

第一屬性值確定單元，用于將出現(xiàn)頻次最多的屬性值確定為特定屬性的正確屬性值。

在另一種具體實(shí)施方式中，上述正確屬性值確定模塊12，可以包括分組單元、目標(biāo)組確定單元和第二屬性值確定單元；其中，

分組單元，用于對(duì)屬性值集合進(jìn)行分組處理，得到多組屬性值；其中，每組屬性值中的屬性值均相同；

目標(biāo)組確定單元，用于將多組屬性值中屬性值數(shù)量最多的一組屬性值確定為目標(biāo)組；

第二屬性值確定單元，用于將與目標(biāo)組對(duì)應(yīng)的屬性值確定為特定屬性的正確屬性值。

可見(jiàn)，本發(fā)明實(shí)施例從不同的數(shù)據(jù)源中選取出與目標(biāo)實(shí)體的特定屬性對(duì)應(yīng)的屬性值之后，將會(huì)從上述得到的屬性值集合中篩選出具有最多出現(xiàn)頻次的屬性值，由于該屬性值在上述屬性值集合中出現(xiàn)的次數(shù)最多，則意味著該屬性值最為公眾所認(rèn)可和采用，所以本發(fā)明實(shí)施例便將該屬性值確定為上述特定屬性的正確屬性值，從而有利于大幅提升最終篩選到的信息的準(zhǔn)確性，也即，本發(fā)明實(shí)施例能夠?qū)崿F(xiàn)對(duì)信息的真?zhèn)芜M(jìn)行有效地辨別，從而提升采集到的信息的準(zhǔn)確性。

最后，還需要說(shuō)明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來(lái)將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開(kāi)來(lái)，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過(guò)程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者設(shè)備所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對(duì)本發(fā)明所提供的一種信息真?zhèn)悟?yàn)證方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說(shuō)明書(shū)內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。