一种基于自然语言处理的层次化专题属性抽取方法

摘要

本发明公布了一种基于自然语言处理的层次化专题属性抽取方法，旨在解决较少文本量，多属性类型情况下完整专题信息抽取的难题，包括以下步骤：将英文百科类介绍页面结构化，清洗并句子化，形成总句子语料库；从总句子语料库中随机抽取部分句子，标注其中含有某专业领域属性的句子，形成句子层的语料库；按照7:3的比例，将属性句子语料库划分为训练库和检验库，训练并检验随机森林分类器；(4)使用训练好的随机森林分类器对总句子语料库分类，获得属性句子库；使用文档主题生成模型(LDA和NMF)获取属性句子库中的主题词，标注该专业领域知识的各类型属性词，形成词语层的语料库；将介绍页面词语化，根据属性词语料库，抽取专题属性信息。