公开(公告)号：CN105426358B

公开(公告)日：2018-08-31

申请号：CN201510756485.1

申请日：2015-11-09

Applicant: 中国农业大学 ,  公安部第三研究所

Inventor： 陈瑛 ,  裴蓓 ,  程碧霄 ,  高万林 ,  赵明 ,  彭珺 ,  杜亚茹

IPC: G06F17/27

Abstract: 本发明提供一种针对海量新闻的疾病名词自动识别方法，所述方法包括，获取第一预设新闻材料中的语料数据；构建疾病领域本体；对所述疾病领域本体进行扩充，得到扩充后的疾病领域本体；利用所述扩充后的疾病领域本体对从第一预设新闻材料中获取的语料数据进行自动标注，得到带有扩充后的疾病名词标注的训练语料；根据所述带有扩充后的疾病名词标注的训练语料，建立疾病名词自动识别模型；根据所述疾病名词自动识别模型，对第二预设新闻材料中的语料进行疾病名词识别。本发明所述方法实现了对新闻报道等语言通俗的文献中的疾病名词或其别名的自动识别。

公开(公告)号：CN105653522A

公开(公告)日：2016-06-08

申请号：CN201610041747.0

申请日：2016-01-21

Applicant: 中国农业大学

Inventor： 赵明 ,  杜会芳 ,  杜亚茹 ,  陈瑛 ,  张家军 ,  彭珺

IPC: G06F17/27

Abstract: 本发明公开了属于计算机中文信息处理领域的一种针对植物领域的非分类关系识别方法。根据对植物领域关系的分类，对分类关系和非分类关系进行定义；获取相关词条的非结构化网页内容，作为语料并进行预处理，获得预处理模块；然后再进行基于词汇-语法的非分类关系的初步抽取，对获得的结果，进行改进，获得改进抽取模块；最后基于百度百科半结构化文本的非分类关系抽取，获得非分类关系抽取模块，对其进行形式化表达，获得可视性结果。该方法在对文本进行自然语言处理的基础上，直接用非分类关系词汇-语法模式进行抽取，准确率在70％左右，取得了较好的结果，为植物领域知识图谱构建奠定了基础，且为农民提供了更专业的植物领域技术和知识。

公开(公告)号：CN105426358A

公开(公告)日：2016-03-23

申请号：CN201510756485.1

申请日：2015-11-09

Applicant: 中国农业大学

Inventor： 陈瑛 ,  高万林 ,  程碧霄 ,  赵明 ,  彭珺 ,  杜亚茹

IPC: G06F17/27

CPC classification number: G06F17/277

Abstract: 本发明提供一种疾病名词自动识别方法，所述方法包括，获取第一预设新闻材料中的语料数据；构建疾病领域本体；对所述疾病领域本体进行扩充，得到扩充后的疾病领域本体；利用所述扩充后的疾病领域本体对从第一预设新闻材料中获取的语料数据进行自动标注，得到带有扩充后的疾病名词标注的训练语料；根据所述带有扩充后的疾病名词标注的训练语料，建立疾病名词自动识别模型；根据所述疾病名词自动识别模型，对第二预设新闻材料中的语料进行疾病名词识别。本发明所述方法实现了对新闻报道等语言通俗的文献中的疾病名词或其别名的自动识别。

公开(公告)号：CN105653522B

公开(公告)日：2019-04-05

申请号：CN201610041747.0

申请日：2016-01-21

Applicant: 中国农业大学

Inventor： 赵明 ,  杜会芳 ,  杜亚茹 ,  陈瑛 ,  张家军 ,  彭珺

IPC: G06F17/27

Abstract: 本发明公开了属于计算机中文信息处理领域的一种针对植物领域的非分类关系识别方法。根据对植物领域关系的分类，对分类关系和非分类关系进行定义；获取相关词条的非结构化网页内容，作为语料并进行预处理，获得预处理模块；然后再进行基于词汇‑语法的非分类关系的初步抽取，对获得的结果，进行改进，获得改进抽取模块；最后基于百度百科半结构化文本的非分类关系抽取，获得非分类关系抽取模块，对其进行形式化表达，获得可视性结果。该方法在对文本进行自然语言处理的基础上，直接用非分类关系词汇‑语法模式进行抽取，准确率在70％左右，取得了较好的结果，为植物领域知识图谱构建奠定了基础，且为农民提供了更专业的植物领域技术和知识。