本發(fā)明涉及信息提取及文本挖掘領(lǐng)域，特別涉及一種信息處理的方法及裝置。
背景技術(shù)：
：大部分企業(yè)在運(yùn)作時(shí)都會(huì)產(chǎn)生大量的企業(yè)公文，企業(yè)的企業(yè)公文中包括大量有助于了解企業(yè)的有用信息。為了便于用戶快速了解企業(yè)，可以采用計(jì)算機(jī)從企業(yè)公文中提取有用信息并顯示給用戶。企業(yè)公文在撰寫時(shí)常常使用自然語(yǔ)言進(jìn)行撰寫。在撰寫時(shí)為了避免文章中詞匯的重復(fù)使用，使文章更加簡(jiǎn)潔、緊湊，在寫作中指示代詞會(huì)被頻繁使用。例如，某公司的企業(yè)公文中可能大量使用本公司這個(gè)指示代詞來(lái)代替該公司的公司名稱，由于公司名稱包括的文字?jǐn)?shù)目往往較多，使用本公司代替公司名稱，使文章變的簡(jiǎn)潔、緊湊。在實(shí)現(xiàn)本發(fā)明的過(guò)程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問(wèn)題：由于企業(yè)公文包括大量的指示代詞，這樣計(jì)算機(jī)在對(duì)企業(yè)公文進(jìn)行信息提取時(shí)，由于不知道指示代詞指代的對(duì)象是什么，給計(jì)算機(jī)對(duì)企業(yè)公文的分析增加難度，降低信息提取的效率和準(zhǔn)確性。技術(shù)實(shí)現(xiàn)要素：為了提高信息提取的效率和準(zhǔn)確性，本發(fā)明提供了一種信息處理的方法及裝置。所述技術(shù)方案如下：第一方面，提供了一種信息處理的方法，所述方法包括：通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；獲取所述指示代詞屬于的代詞分類；根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；在所述非結(jié)構(gòu)化文本文件中將所述指示代詞替換為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述獲取所述指示代詞屬于的代詞分類，包括：確定所述指示代詞所屬于的指示代詞集合，所述指示代詞集合包括預(yù)設(shè)的至少一個(gè)指示代詞；根據(jù)所述指示代詞集合的集合標(biāo)識(shí)，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取所述指示代詞屬于的代詞分類?？蛇x的，所述根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，包括：當(dāng)所述代詞分類為預(yù)指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；當(dāng)所述代詞分類為回指類局部有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；當(dāng)所述代詞分類為回指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中確定首次出現(xiàn)所述指示代詞的位置，查找位于所述位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱之后，還包括：根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別所述非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，所述規(guī)則表達(dá)式定義了實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)；將所述非結(jié)構(gòu)化文本文件包括的所述實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為所述實(shí)體機(jī)構(gòu)的全稱?？蛇x的，所述根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別所述非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，包括：從所述非結(jié)構(gòu)化文本文件中識(shí)別出所述預(yù)設(shè)的規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的字符串，所述字符串包括實(shí)體機(jī)構(gòu)的簡(jiǎn)稱；從所述非結(jié)構(gòu)化文本文件中查找位于所述字符串之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱為所述實(shí)體機(jī)構(gòu)的全稱。第二方面，提供了一種信息處理的裝置，所述裝置包括：識(shí)別模塊，用于通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；獲取模塊，用于獲取所述指示代詞屬于的代詞分類；確定模塊，用于根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；替換模塊，用于在所述非結(jié)構(gòu)化文本文件中將所述指示代詞替換為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述獲取模塊包括：第一確定單元，用于確定所述指示代詞所屬于的指示代詞集合，所述指示代詞集合包括預(yù)設(shè)的至少一個(gè)指示代詞；獲取單元，用于根據(jù)所述指示代詞集合的集合標(biāo)識(shí)，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取所述指示代詞屬于的代詞分類。可選的，所述確定模塊包括：第二確定單元，用于當(dāng)所述代詞分類為預(yù)指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；第三確定單元，用于當(dāng)所述代詞分類為回指類局部有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；第四確定單元，用于當(dāng)所述代詞分類為回指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中確定首次出現(xiàn)所述指示代詞的位置，查找位于所述位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述識(shí)別模塊，還用于根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別所述非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，所述規(guī)則表達(dá)式定義了實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)；所述替換模塊，還用于將所述非結(jié)構(gòu)化文本文件包括的所述實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為所述實(shí)體機(jī)構(gòu)的全稱?？蛇x的，所述識(shí)別模塊包括：識(shí)別單元，用于從所述非結(jié)構(gòu)化文本文件中識(shí)別出所述預(yù)設(shè)的規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的字符串，所述字符串包括實(shí)體機(jī)構(gòu)的簡(jiǎn)稱；查詢標(biāo)記單元，用于從所述非結(jié)構(gòu)化文本文件中查找位于所述字符串之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱為所述實(shí)體機(jī)構(gòu)的全稱。第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)計(jì)算機(jī)程序，包括：用于通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱的指令；用于獲取所述指示代詞屬于的代詞分類的指令；用于根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱的指令；用于在所述非結(jié)構(gòu)化文本文件中將所述指示代詞替換為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱的指令。第四方面，提供了一種計(jì)算程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括在所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)的所述計(jì)算機(jī)程序，并且所述計(jì)算程序通過(guò)處理器進(jìn)行加載來(lái)實(shí)現(xiàn)如下的方法，包括：通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；獲取所述指示代詞屬于的代詞分類；根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；在所述非結(jié)構(gòu)化文本文件中將所述指示代詞替換為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。本發(fā)明提供的技術(shù)方案的有益效果是：通過(guò)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，獲取標(biāo)記的指示代詞屬于的代詞分類，根據(jù)該代詞分類和被標(biāo)記的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。由于將非結(jié)構(gòu)化文本文件中的每個(gè)指示代詞替換為各自所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，減少了對(duì)非結(jié)構(gòu)化文本文件的分析難度，提高了信息提取的效率和準(zhǔn)確性。附圖說(shuō)明圖1是本發(fā)明實(shí)施例1提供的一種信息處理的方法流程圖；圖2-1是本發(fā)明實(shí)施例2提供的一種信息處理的方法流程圖；圖2-2是本發(fā)明實(shí)施例2提供的一種非結(jié)構(gòu)化文本文件的示意圖；圖3-1是本發(fā)明實(shí)施例3提供的一種信息處理的方法流程圖；圖3-2是本發(fā)明實(shí)施例3提供的一種非結(jié)構(gòu)化文本文件的示意圖；圖4是本發(fā)明實(shí)施例4提供的一種信息處理的裝置結(jié)構(gòu)示意圖；圖5是本發(fā)明實(shí)施例5提供的一種終端設(shè)備的結(jié)構(gòu)示意圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。如下任一實(shí)施例的執(zhí)行主體可以為服務(wù)器或終端等，終端可以為臺(tái)式計(jì)算機(jī)、筆記本電腦或平板電腦等。實(shí)施例1參見(jiàn)圖1，本發(fā)明實(shí)施例提供了一種信息處理的方法，所述方法包括：步驟101：通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。步驟102：獲取該指示代詞屬于的代詞分類。步驟103：根據(jù)該代詞分類和被標(biāo)記的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。步驟104：在該非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，上述步驟102可以包括：1021：確定該指示代詞所屬于的指示代詞集合，該指示代詞集合包括預(yù)設(shè)的至少一個(gè)指示代詞。1022：根據(jù)該指示代詞集合的集合標(biāo)識(shí)，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取該指示代詞屬于的代詞分類?？蛇x的，上述步驟103可以包括：1031：當(dāng)該代詞分類為預(yù)指類全局有效代詞時(shí)，在非結(jié)構(gòu)化文本文件中查找位于該指示代詞之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。1032：當(dāng)該代詞分類為回指類局部有效代詞時(shí)，在非結(jié)構(gòu)化文本文件中查找位于該指示代詞之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。1033：當(dāng)該代詞分類為回指類全局有效代詞時(shí)，在非結(jié)構(gòu)化文本文件中確定首次出現(xiàn)該指示代詞的位置，查找位于該位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，在執(zhí)行完步驟101之后，還包括：步驟105：根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，該規(guī)則表達(dá)式定義了實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)。步驟106：將非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為實(shí)體機(jī)構(gòu)的全稱。可選的，上述步驟105可以包括：1051：從非結(jié)構(gòu)化文本文件中識(shí)別出預(yù)設(shè)的規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的字符串，該字符串包括實(shí)體機(jī)構(gòu)的簡(jiǎn)稱。1052：從非結(jié)構(gòu)化文本文件中查找位于該字符串之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱為實(shí)體機(jī)構(gòu)的全稱。在本發(fā)明實(shí)施例中，通過(guò)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，獲取標(biāo)記的指示代詞屬于的代詞分類，根據(jù)該代詞分類和被標(biāo)記的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。由于將非結(jié)構(gòu)化文本文件中的每個(gè)指示代詞替換為各自所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，減少了對(duì)非結(jié)構(gòu)化文本文件的分析難度，提高了信息提取的效率和準(zhǔn)確性。實(shí)施例2參見(jiàn)圖2，本發(fā)明實(shí)施例提供了一種信息處理的方法，該方法用于獲取非結(jié)構(gòu)化文本文件包括的指示代詞和該指示代詞所指代的機(jī)構(gòu)名稱，包括：步驟201：通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)都是目前已有的系統(tǒng)。非結(jié)構(gòu)化文本文件是企業(yè)公文文件，非結(jié)構(gòu)化文本文件包括文字等內(nèi)容。例如，參見(jiàn)圖2-2所示的“北京###有限公司”的非結(jié)構(gòu)化文本文件，該非結(jié)構(gòu)化文本文件就是由文字組成。在本步驟中，將非結(jié)構(gòu)化文本文件輸入到分詞系統(tǒng)中，通過(guò)分詞系統(tǒng)對(duì)非結(jié)構(gòu)化文本文件中的文字進(jìn)行分詞，然后將經(jīng)過(guò)分詞的非結(jié)構(gòu)化文本文件輸入到實(shí)體識(shí)別系統(tǒng)中，通過(guò)實(shí)體識(shí)別系統(tǒng)對(duì)非結(jié)構(gòu)化文本文件包括的分詞一個(gè)一個(gè)地進(jìn)行識(shí)別。對(duì)于任一個(gè)分詞，當(dāng)實(shí)體識(shí)別系統(tǒng)識(shí)別出該分詞為實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱時(shí)，在非結(jié)構(gòu)化文本文件中可以給該分詞添加用于標(biāo)記機(jī)構(gòu)名稱的標(biāo)記符號(hào)，當(dāng)實(shí)體識(shí)別系統(tǒng)識(shí)別出該分詞為指示代詞時(shí)，在非結(jié)構(gòu)化文本文件中可以給該分詞添加用于標(biāo)記指示代詞的標(biāo)記符號(hào)。例如，通過(guò)分詞系統(tǒng)對(duì)如圖2-2所示的非結(jié)構(gòu)化文本文件包括的文字進(jìn)行分詞，將該非結(jié)構(gòu)化文本文件分成“在”、“2017年”、“4月”、“北京###有限公司”、“在”、“污水”、“處理”、“技術(shù)”、“取得”等多個(gè)分詞。然后將經(jīng)過(guò)分詞的該非結(jié)構(gòu)化文本文件輸入到實(shí)體識(shí)別系統(tǒng)，通過(guò)實(shí)體識(shí)別系統(tǒng)對(duì)分詞“在”、“2017年”、“4月”分詞進(jìn)行一一識(shí)別，識(shí)別出均不是機(jī)構(gòu)名稱，也均不是指示代詞。繼續(xù)通過(guò)實(shí)體識(shí)別系統(tǒng)對(duì)分詞“北京###有限公司”進(jìn)行識(shí)別，識(shí)別出為機(jī)構(gòu)名稱，在圖2-2所示的非結(jié)構(gòu)化文本文件中給該分詞添加標(biāo)記1，用于標(biāo)記機(jī)構(gòu)名稱。繼續(xù)通過(guò)實(shí)體識(shí)別系統(tǒng)對(duì)分詞“在”進(jìn)行識(shí)別，識(shí)別出即不是機(jī)構(gòu)名稱，又不是指示代詞。按上述流程對(duì)圖2-2所示的非結(jié)構(gòu)化文本文件中的每個(gè)分詞進(jìn)行識(shí)別，并在圖2-2所示的非結(jié)構(gòu)化文本文件中添加了標(biāo)記2、3、4、5、6、7和8，其中標(biāo)記2、3、4、6和8，用于標(biāo)記指示代詞，標(biāo)記5和7用于標(biāo)記機(jī)構(gòu)名稱。所謂實(shí)體機(jī)構(gòu)就是例如像企事業(yè)單位、公司、組織或網(wǎng)站等單位，所謂指示代詞用于表示指示概念的代詞，即用于指示或標(biāo)識(shí)人或事物的代詞。就是用于指代實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱的代詞。步驟202：對(duì)于非結(jié)構(gòu)化文本文件中的任一個(gè)指示代詞，獲取該指示代詞屬于的代詞分類。指示代詞的代詞分類通常包括三種，分別為預(yù)指類全局有效代詞、回指類全局有效代詞和回指類局部有效代詞。所謂預(yù)指類全局有效代詞是預(yù)指某個(gè)接下來(lái)會(huì)提到的語(yǔ)言單位，該類型的指示代詞所指代的機(jī)構(gòu)名稱的位置位于該指示代詞的位置之后；所謂回指類全局有效代詞是回指某個(gè)以前說(shuō)到過(guò)的語(yǔ)言單位，該類型的指示代詞所指代的機(jī)構(gòu)名稱的位置位于該指示代詞的位置之前且該指示代詞在整篇非結(jié)構(gòu)化文本文件中用于指示該機(jī)構(gòu)名稱；所謂回指類局部有效代詞是指指示代詞所指代的機(jī)構(gòu)名稱的位置位于該指示代詞的位置之前且該指示代詞在非結(jié)構(gòu)化文本文件中的一段或多段內(nèi)容中用于指示該機(jī)構(gòu)名稱。例如，參見(jiàn)圖2-2所示的非結(jié)構(gòu)化文本文件，對(duì)于標(biāo)記2和標(biāo)記3所標(biāo)記的指示代詞“本公司”就是一個(gè)回指類全局有效代詞，其所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱“北京###有限公司”的位置位于指示代詞“本公司”之前，且指示代詞“本公司”在整篇非結(jié)構(gòu)化文本文件中都指示機(jī)構(gòu)名稱“北京###有限公司”。標(biāo)記6所標(biāo)記的指示代詞“該公司”和標(biāo)記8所標(biāo)記的指示代詞“該公司”均為回指類局部有效代詞。標(biāo)記6標(biāo)記的指示代詞“該公司”指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”的位置位于指示代詞“該公司”之前，且指示代詞“該公司”在該非結(jié)構(gòu)化文本文件的第二段中都指示機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”。標(biāo)記8標(biāo)記的指示代詞“該公司”指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱“北京***網(wǎng)絡(luò)公司”的位置位于指示代詞“該公司”之前，且指示代詞“該公司”在該非結(jié)構(gòu)化文本文件的第三段中都指示機(jī)構(gòu)名稱“北京***網(wǎng)絡(luò)公司”。標(biāo)記4所標(biāo)記的指示代詞“子公司”為預(yù)指類全局有效代詞。標(biāo)記4標(biāo)記的指示代詞“子公司”指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”的位置位于指示代詞“子公司”之后，且指示代詞“子公司”在該非結(jié)構(gòu)化文本文件中都指示機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”。每個(gè)代詞分類對(duì)應(yīng)一個(gè)指示代詞集合，在執(zhí)行本步驟之前，本領(lǐng)域的技術(shù)人員可以對(duì)大量的非結(jié)構(gòu)化文本文件進(jìn)行分析得到當(dāng)前出現(xiàn)的指示代詞，對(duì)得到的每個(gè)指示代詞進(jìn)行分類，將每個(gè)指示代詞添加到其所屬代詞分類對(duì)應(yīng)的指示代詞集合中。每個(gè)指示代詞集合具有集合標(biāo)識(shí)，對(duì)于每個(gè)代詞分類，事先將該代詞分類和該代詞分類對(duì)應(yīng)的指示代詞集合的集合標(biāo)識(shí)存儲(chǔ)在代詞分類與集合標(biāo)識(shí)的對(duì)應(yīng)關(guān)系中。指示代詞集合包括回指類全局有效代詞集合、回指類局部有效代詞集合和預(yù)指類全局有效代詞集合。參見(jiàn)下表1所示的代詞分類與集合標(biāo)識(shí)的對(duì)應(yīng)關(guān)系，回指類全局有效代詞集合的集合標(biāo)識(shí)為id1且其對(duì)應(yīng)的代詞分類為回指類全局有效代詞，回指類局部有效代詞集合的集合標(biāo)識(shí)為id2且其對(duì)應(yīng)的代詞分類為回指類局部有效代詞集合，預(yù)指類全局有效代詞集合的集合標(biāo)識(shí)為id3且其對(duì)應(yīng)的代詞分類為預(yù)指類全局有效代詞。表1代詞分類集合標(biāo)識(shí)回指類全局有效代詞id1回指類局部有效代詞id2預(yù)指類全局有效代詞id3本步驟可以為：確定該指示代詞所屬于的指示代詞集合，該指示代詞集合包括預(yù)設(shè)的至少一個(gè)指示代詞；根據(jù)該指示代詞集合的集合標(biāo)識(shí)，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取該指示代詞屬于的代詞分類。例如，對(duì)于標(biāo)記2所示的指示代詞“本公司”，確定該指示代詞“本公司”所屬的回指類全局有效代詞集合，根據(jù)該回指類全局有效代詞集合的集合標(biāo)識(shí)id1，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取該指示代詞“本公司”屬于的代詞分類為“回指類全局有效代詞”。再例如，對(duì)于標(biāo)記4所示的指示代詞“子公司”，確定該指示代詞“子公司”所屬的預(yù)指類全局有效代詞集合，根據(jù)該預(yù)指類全局有效代詞集合的集合標(biāo)識(shí)id3，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取該指示代詞“子公司”屬于的代詞分類為“預(yù)指類全局有效代詞”。還例如，對(duì)于標(biāo)記6所示的指示代詞“該公司”，確定該指示代詞“該公司”所屬的回指類局部有效代詞集合，根據(jù)該回指類局部有效代詞集合的集合標(biāo)識(shí)id2，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取該指示代詞“該公司”屬于的代詞分類為“回指類局部有效代詞”。步驟203：當(dāng)該代詞分類為預(yù)指類全局有效代詞時(shí)，在非結(jié)構(gòu)化文本文件中查找位于該指示代詞之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。例如，對(duì)于標(biāo)記4所標(biāo)記的指示代詞“子公司”，在圖2-2所示的非結(jié)構(gòu)化文本文件中查找位于該指示代詞“子公司”之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱，該機(jī)構(gòu)名稱為標(biāo)記5所標(biāo)記的機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”，將該機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”確定為該指示代詞“子公司”所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。步驟204：當(dāng)該代詞分類為回指類局部有效代詞時(shí)，在非結(jié)構(gòu)化文本文件中查找位于該指示代詞之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。例如，對(duì)于標(biāo)記6所標(biāo)記的指示代詞“該公司”，在圖2-2所示的非結(jié)構(gòu)化文本文件中查找位于該指示代詞“該公司”之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱，該機(jī)構(gòu)名稱為標(biāo)記5所標(biāo)記的機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”，將該機(jī)構(gòu)名稱“北京###朝陽(yáng)分公司”確定為該指示代詞“該公司”所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。步驟205：當(dāng)該代詞分類為回指類全局有效代詞時(shí)，在非結(jié)構(gòu)化文本文件中確定首次出現(xiàn)該指示代詞的位置，查找位于該位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。例如，對(duì)于標(biāo)記2所標(biāo)記的指示代詞“本公司”，在圖2-2所示的非結(jié)構(gòu)化文本文件中查找首次出現(xiàn)該指示代詞“本公司”的位置，該位置為標(biāo)記2所標(biāo)記的指示代詞的位置，在該位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱，該機(jī)構(gòu)名稱為標(biāo)記1所標(biāo)記的機(jī)構(gòu)名稱“北京###分公司”，將該機(jī)構(gòu)名稱“北京###分公司”確定為該指示代詞“本公司”所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。按上述202至205的步驟，獲取非結(jié)構(gòu)化文本文件中標(biāo)記的每個(gè)指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。步驟206：在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。其中，獲取的機(jī)構(gòu)名稱可能為實(shí)體機(jī)構(gòu)的簡(jiǎn)稱，所以在本實(shí)施例，還可以對(duì)每個(gè)獲取的機(jī)構(gòu)名稱進(jìn)行歸一化得到實(shí)體機(jī)構(gòu)的全稱，然后在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的全稱。該歸一化操作可以為，將該獲取的機(jī)構(gòu)名稱作為簡(jiǎn)稱，從已存儲(chǔ)的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱與全稱的對(duì)應(yīng)關(guān)系中獲取對(duì)應(yīng)的全稱，將該獲取的全稱作為該指示代詞所指代的實(shí)體機(jī)構(gòu)的全稱?？蛇x的，上述步驟206可包括：當(dāng)該代詞分類為預(yù)指類全局有效代詞時(shí)，在確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱之后，執(zhí)行機(jī)構(gòu)名稱歸一化，將當(dāng)前代詞內(nèi)容替換為歸一化處理后的機(jī)構(gòu)名稱，然后執(zhí)行后向輪詢迭代，迭代替換文章中該代詞之后位置出現(xiàn)的該代詞內(nèi)容，改為歸一化處理后的機(jī)構(gòu)名稱。當(dāng)該代詞分類為回指類全局有效代詞時(shí)，在確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱之后，執(zhí)行機(jī)構(gòu)名稱歸一化，然后將文章中所有該代詞內(nèi)容替換為歸一化處理后的機(jī)構(gòu)名稱。在本發(fā)明實(shí)施例中，通過(guò)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，獲取標(biāo)記的指示代詞屬于的代詞分類，根據(jù)該代詞分類和被標(biāo)記的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。由于將非結(jié)構(gòu)化文本文件中的每個(gè)指示代詞替換為各自所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，減少了對(duì)非結(jié)構(gòu)化文本文件的分析難度，提高了信息提取的效率和準(zhǔn)確性。實(shí)施例3參見(jiàn)圖3，本發(fā)明實(shí)施例提供了一種信息處理的方法，該方法用于獲取非結(jié)構(gòu)化文本文件包括的機(jī)構(gòu)名稱的簡(jiǎn)稱和全稱，包括：步驟301：通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。本步驟的詳細(xì)實(shí)現(xiàn)過(guò)程可以參見(jiàn)步驟201中的相關(guān)內(nèi)容，在此不再詳細(xì)說(shuō)明。步驟302：根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式，從非結(jié)構(gòu)化文本文件中識(shí)別出該規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的文本內(nèi)容，該文本內(nèi)容包括實(shí)體機(jī)構(gòu)的簡(jiǎn)稱。預(yù)設(shè)的規(guī)則表達(dá)式定義了實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)。例如，參見(jiàn)圖3-2所示的非結(jié)構(gòu)化文本文件，該非結(jié)構(gòu)化文本文件中的文字內(nèi)容“(下稱北京###)”就是實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)，該文本內(nèi)容包括實(shí)體結(jié)構(gòu)的簡(jiǎn)稱“北京###”。再如，該非結(jié)構(gòu)化文本文件中的文字內(nèi)容“(下稱北京***或北京網(wǎng)絡(luò))”的句式結(jié)構(gòu)也是實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)，該文本內(nèi)容包括實(shí)體結(jié)構(gòu)的簡(jiǎn)稱“北京***”和“北京網(wǎng)絡(luò)”。預(yù)設(shè)的規(guī)則表達(dá)式可以為“(\\(|().{0,5}？(稱).{0,20}？(\\)|))”和“(\\(|().{0,5}？(稱).{0,20}？(或|、).{0,20}？(\\)|))”等。對(duì)于規(guī)則表達(dá)式“(\\(|().{0,5}？(稱).{0,20}？(\\)|))”，這個(gè)規(guī)則表達(dá)式定義了一種句式結(jié)構(gòu)的文本內(nèi)容。在該句式結(jié)構(gòu)的文本內(nèi)容中包括文字“稱”，在文字“稱”之前具有一個(gè)英文或中文的左括號(hào)，在文字“稱”與該左括號(hào)之間包括的文字?jǐn)?shù)目可以大于或等于0且小于或等于5；在文字“稱”之后具有一個(gè)英文或中文的右括號(hào)，在該文字“稱”和該右括號(hào)之間包括的文字?jǐn)?shù)目可以大于或等于0且小于或等于20。例如，“(下稱北京###)”就是該規(guī)則表達(dá)式定義的句式結(jié)構(gòu)的文本內(nèi)容，該文本內(nèi)容包括文字“稱”，在文字“稱”之前包括中文左括號(hào)，在中文左括號(hào)與該文字“稱”之間包括1個(gè)文字“下”；在文字“稱”之后包括中文右括號(hào)，在該文字“稱”和中文右括號(hào)之間包括5個(gè)文字“北京###”。對(duì)于規(guī)則表達(dá)“(\\(|().{0,5}？(稱).{0,20}？(或|、).{0,20}？(\\)|))”，這個(gè)規(guī)則表達(dá)式定義了另一種句式結(jié)構(gòu)的文本內(nèi)容。在該句式結(jié)構(gòu)的文本內(nèi)容中包括文字“稱”和預(yù)設(shè)字符，預(yù)設(shè)字符位于該文字“稱”之后，預(yù)設(shè)字符可以為文字“或”或頓號(hào)；在文字“稱”之前具有一個(gè)英文或中文的左括號(hào)，在文字“稱”與該左括號(hào)之間包括的文字?jǐn)?shù)目可以大于或等于0且小于或等于5；在該文字“稱”和預(yù)設(shè)字符之間包括的文字?jǐn)?shù)目可以大于或等于0且小于或等于20；在預(yù)設(shè)字符之后具有一個(gè)英文或中文的右括號(hào)，在預(yù)設(shè)字符和該右括號(hào)之間包括的文字?jǐn)?shù)目可以大于或等于0且小于或等于20。例如，“(下稱北京***或北京網(wǎng)絡(luò))”就是該規(guī)則表達(dá)式定義的句式結(jié)構(gòu)的文本內(nèi)容，該文本內(nèi)容包括文字“稱”和預(yù)設(shè)字符“或”，預(yù)設(shè)字符“或”位于文字“稱”之后；在文字“稱”之前包括中文左括號(hào)，在中文左括號(hào)與該文字“稱”之間包括1個(gè)文字“下”；在該文字“稱”和預(yù)設(shè)字符“或”之間包括的5個(gè)文字“北京***”；在預(yù)設(shè)字符“或”之后包括中文右括號(hào)，在該預(yù)設(shè)字符“或”和中文右括號(hào)之間包括4個(gè)文字“北京網(wǎng)絡(luò)”。本步驟的可以為：在非結(jié)構(gòu)化文本文件包括的第一個(gè)文字前設(shè)置分析窗口，每向該分析窗口中輸入一字符時(shí)利用預(yù)設(shè)的規(guī)則表達(dá)式分析該分析窗口中的文本內(nèi)容是否為該規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的文本內(nèi)容，如果是，則標(biāo)記該文本內(nèi)容。例如，在圖3-2所示的非結(jié)構(gòu)化文本文件中，利用規(guī)則表達(dá)式識(shí)別出規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的文本內(nèi)容，包括標(biāo)記2所示標(biāo)記的文本內(nèi)容“(下稱北京###)”和“(下稱北京***或北京網(wǎng)絡(luò))”。步驟303：從該非結(jié)構(gòu)化文本文件中查找位于該文本內(nèi)容之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并將該機(jī)構(gòu)名稱確定為該實(shí)體機(jī)構(gòu)的全稱。例如，對(duì)于文本內(nèi)容“(下稱北京###)”，在圖3-2所示的非結(jié)構(gòu)化文本文件中位于文本內(nèi)容“(下稱北京###)”之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱為標(biāo)記1所標(biāo)記的機(jī)構(gòu)名稱“北京###有限公司”。再如，對(duì)于文本內(nèi)容“(下稱北京***或北京網(wǎng)絡(luò))”，在圖3-2所示的非結(jié)構(gòu)化文本文件中位于文本內(nèi)容“(下稱北京***或北京網(wǎng)絡(luò))”之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱為標(biāo)記6所標(biāo)記的機(jī)構(gòu)名稱“北京***網(wǎng)絡(luò)公司”。步驟304：將該非結(jié)構(gòu)化文本文件包括的該實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為該實(shí)體機(jī)構(gòu)的全稱。本實(shí)施例的方法在指代消解過(guò)程的共指消解步驟中，收集全稱與簡(jiǎn)稱的對(duì)應(yīng)關(guān)系，經(jīng)人工校對(duì)后，正確的機(jī)構(gòu)(全稱-簡(jiǎn)稱)對(duì)應(yīng)關(guān)系將會(huì)被收集儲(chǔ)存，這些數(shù)據(jù)可用于對(duì)機(jī)構(gòu)全稱簡(jiǎn)稱進(jìn)行歸一化。在本發(fā)明實(shí)施例中，通過(guò)預(yù)設(shè)的規(guī)則表達(dá)式獲取非結(jié)構(gòu)化文本文件中的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱。然后將非結(jié)構(gòu)化文本文件中的每個(gè)實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為各自的全稱，從而減少了對(duì)非結(jié)構(gòu)化文本文件的分析難度，提高了信息提取的效率和準(zhǔn)確性。實(shí)施例4參見(jiàn)圖4，本發(fā)明實(shí)施例提供了一種信息處理的裝置400，所述裝置400包括：識(shí)別模塊401，用于通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；獲取模塊402，用于獲取所述指示代詞屬于的代詞分類；確定模塊403，用于根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；替換模塊404，用于在所述非結(jié)構(gòu)化文本文件中將所述指示代詞替換為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述獲取模塊402包括：第一確定單元，用于確定所述指示代詞所屬于的指示代詞集合，所述指示代詞集合包括預(yù)設(shè)的至少一個(gè)指示代詞；獲取單元，用于根據(jù)所述指示代詞集合的集合標(biāo)識(shí)，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取所述指示代詞屬于的代詞分類?？蛇x的，所述確定模塊403包括：第二確定單元，用于當(dāng)所述代詞分類為預(yù)指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；第三確定單元，用于當(dāng)所述代詞分類為回指類局部有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；第四確定單元，用于當(dāng)所述代詞分類為回指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中確定首次出現(xiàn)所述指示代詞的位置，查找位于所述位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述識(shí)別模塊401，還用于根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別所述非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，所述規(guī)則表達(dá)式定義了實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)；所述替換模塊404，還用于將所述非結(jié)構(gòu)化文本文件包括的所述實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為所述實(shí)體機(jī)構(gòu)的全稱?？蛇x的，所述識(shí)別模塊包括：識(shí)別單元，用于從所述非結(jié)構(gòu)化文本文件中識(shí)別出所述預(yù)設(shè)的規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的字符串，所述字符串包括實(shí)體機(jī)構(gòu)的簡(jiǎn)稱；查詢標(biāo)記單元，用于從所述非結(jié)構(gòu)化文本文件中查找位于所述字符串之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱為所述實(shí)體機(jī)構(gòu)的全稱。在本發(fā)明實(shí)施例中，通過(guò)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，獲取標(biāo)記的指示代詞屬于的代詞分類，根據(jù)該代詞分類和被標(biāo)記的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。由于將非結(jié)構(gòu)化文本文件中的每個(gè)指示代詞替換為各自所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，減少了對(duì)非結(jié)構(gòu)化文本文件的分析難度，提高了信息提取的效率和準(zhǔn)確性。實(shí)施例5圖5是根據(jù)一示例性實(shí)施例示出的一種終端設(shè)備500的框圖，該終端設(shè)備可以用于執(zhí)行實(shí)施例1、實(shí)施例2或?qū)嵤├?所示的方法。參照?qǐng)D5，終端設(shè)備500可以包括以下一個(gè)或多個(gè)組件：處理組件502，存儲(chǔ)器504，電源組件506，多媒體組件508，音頻組件510，輸入/輸出(i/o)的接口512，傳感器組件514，以及通信組件516。處理組件502通?？刂平K端設(shè)備500的整體操作，諸如與顯示，電話呼叫，數(shù)據(jù)通信，相機(jī)操作和記錄操作相關(guān)聯(lián)的操作。處理組件502可以包括一個(gè)或多個(gè)處理器520來(lái)執(zhí)行指令，以完成上述的方法的全部或部分步驟。此外，處理組件502可以包括一個(gè)或多個(gè)模塊，便于處理組件502和其他組件之間的交互。例如，處理組件502可以包括多媒體模塊，以方便多媒體組件508和處理組件502之間的交互。存儲(chǔ)器504被配置為存儲(chǔ)各種類型的數(shù)據(jù)以支持在終端設(shè)備500的操作。這些數(shù)據(jù)的示例包括用于在終端設(shè)備500上操作的任何應(yīng)用程序或方法的指令，聯(lián)系人數(shù)據(jù)，電話簿數(shù)據(jù)，消息，圖片，視頻等。存儲(chǔ)器504可以由任何類型的易失性或非易失性存儲(chǔ)設(shè)備或者它們的組合實(shí)現(xiàn)，如靜態(tài)隨機(jī)存取存儲(chǔ)器(sram)，電可擦除可編程只讀存儲(chǔ)器(eeprom)，可擦除可編程只讀存儲(chǔ)器(eprom)，可編程只讀存儲(chǔ)器(prom)，只讀存儲(chǔ)器(rom)，磁存儲(chǔ)器，快閃存儲(chǔ)器，磁盤或光盤。電源組件506為終端設(shè)備500的各種組件提供電力。電源組件506可以包括電源管理系統(tǒng)，一個(gè)或多個(gè)電源，及其他與為終端設(shè)備500生成、管理和分配電力相關(guān)聯(lián)的組件。多媒體組件508包括在所述終端設(shè)備500和用戶之間的提供一個(gè)輸出接口的屏幕。在一些實(shí)施例中，屏幕可以包括液晶顯示器(lcd)和觸摸面板(tp)。如果屏幕包括觸摸面板，屏幕可以被實(shí)現(xiàn)為觸摸屏，以接收來(lái)自用戶的輸入信號(hào)。觸摸面板包括一個(gè)或多個(gè)觸摸傳感器以感測(cè)觸摸、滑動(dòng)和觸摸面板上的手勢(shì)。所述觸摸傳感器可以不僅感測(cè)觸摸或滑動(dòng)動(dòng)作的邊界，而且還檢測(cè)與所述觸摸或滑動(dòng)操作相關(guān)的持續(xù)時(shí)間和壓力。在一些實(shí)施例中，多媒體組件508包括一個(gè)前置攝像頭和/或后置攝像頭。當(dāng)終端設(shè)備500處于操作模式，如拍攝模式或視頻模式時(shí)，前置攝像頭和/或后置攝像頭可以接收外部的多媒體數(shù)據(jù)。每個(gè)前置攝像頭和后置攝像頭可以是一個(gè)固定的光學(xué)透鏡系統(tǒng)或具有焦距和光學(xué)變焦能力。音頻組件510被配置為輸出和/或輸入音頻信號(hào)。例如，音頻組件510包括一個(gè)麥克風(fēng)(mic)，當(dāng)終端設(shè)備500處于操作模式，如呼叫模式、記錄模式和語(yǔ)音識(shí)別模式時(shí)，麥克風(fēng)被配置為接收外部音頻信號(hào)。所接收的音頻信號(hào)可以被進(jìn)一步存儲(chǔ)在存儲(chǔ)器504或經(jīng)由通信組件516發(fā)送。在一些實(shí)施例中，音頻組件510還包括一個(gè)揚(yáng)聲器，用于輸出音頻信號(hào)。i/o接口512為處理組件502和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點(diǎn)擊輪，按鈕等。這些按鈕可包括但不限于：主頁(yè)按鈕、音量按鈕、啟動(dòng)按鈕和鎖定按鈕。傳感器組件514包括一個(gè)或多個(gè)傳感器，用于為終端設(shè)備500提供各個(gè)方面的狀態(tài)評(píng)估。例如，傳感器組件514可以檢測(cè)到終端設(shè)備500的打開(kāi)/關(guān)閉狀態(tài)，組件的相對(duì)定位，例如所述組件為終端設(shè)備500的顯示器和小鍵盤，傳感器組件514還可以檢測(cè)終端設(shè)備500或終端設(shè)備500一個(gè)組件的位置改變，用戶與終端設(shè)備500接觸的存在或不存在，終端設(shè)備500方位或加速/減速和終端設(shè)備500的溫度變化。傳感器組件514可以包括接近傳感器，被配置用來(lái)在沒(méi)有任何的物理接觸時(shí)檢測(cè)附近物體的存在。傳感器組件514還可以包括光傳感器，如cmos或ccd圖像傳感器，用于在成像應(yīng)用中使用。在一些實(shí)施例中，該傳感器組件514還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器或溫度傳感器。通信組件516被配置為便于終端設(shè)備500和其他設(shè)備之間有線或無(wú)線方式的通信。終端設(shè)備500可以接入基于通信標(biāo)準(zhǔn)的無(wú)線網(wǎng)絡(luò)，如wifi，2g或3g，或它們的組合。在一個(gè)示例性實(shí)施例中，通信組件516經(jīng)由廣播信道接收來(lái)自外部廣播管理系統(tǒng)的廣播信號(hào)或廣播相關(guān)信息。在一個(gè)示例性實(shí)施例中，所述通信組件516還包括近場(chǎng)通信(nfc)模塊，以促進(jìn)短程通信。例如，在nfc模塊可基于射頻識(shí)別(rfid)技術(shù)，紅外數(shù)據(jù)協(xié)會(huì)(irda)技術(shù)，超寬帶(uwb)技術(shù)，藍(lán)牙(bt)技術(shù)和其他技術(shù)來(lái)實(shí)現(xiàn)。在示例性實(shí)施例中，終端設(shè)備500可以被一個(gè)或多個(gè)應(yīng)用專用集成電路(asic)、數(shù)字信號(hào)處理器(dsp)、數(shù)字信號(hào)處理設(shè)備(dspd)、可編程邏輯器件(pld)、現(xiàn)場(chǎng)可編程門陣列(fpga)、控制器、微控制器、微處理器或其他電子元件實(shí)現(xiàn)，用于執(zhí)行上述方法。在示例性實(shí)施例中，還提供了一種包括指令的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器504，上述指令可由終端設(shè)備500的處理器520執(zhí)行以完成上述方法。例如，所述非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是rom、隨機(jī)存取存儲(chǔ)器(ram)、cd-rom、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，當(dāng)所述存儲(chǔ)介質(zhì)中的指令由終端設(shè)備500的處理器執(zhí)行時(shí)，使得終端設(shè)備500能夠執(zhí)行一種信息處理的方法，所述方法包括：通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；獲取所述指示代詞屬于的代詞分類；根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；在所述非結(jié)構(gòu)化文本文件中將所述指示代詞替換為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱?？蛇x的，所述獲取所述指示代詞屬于的代詞分類，包括：確定所述指示代詞所屬于的指示代詞集合，所述指示代詞集合包括預(yù)設(shè)的至少一個(gè)指示代詞；根據(jù)所述指示代詞集合的集合標(biāo)識(shí)，從集合標(biāo)識(shí)與代詞分類的對(duì)應(yīng)關(guān)系中獲取所述指示代詞屬于的代詞分類?？蛇x的，所述根據(jù)所述代詞分類和被標(biāo)記的所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，包括：當(dāng)所述代詞分類為預(yù)指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之后的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；當(dāng)所述代詞分類為回指類局部有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中查找位于所述指示代詞之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱；當(dāng)所述代詞分類為回指類全局有效代詞時(shí)，在所述非結(jié)構(gòu)化文本文件中確定首次出現(xiàn)所述指示代詞的位置，查找位于所述位置之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。可選的，所述通過(guò)分詞系統(tǒng)和實(shí)體識(shí)別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱之后，還包括：根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別所述非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，所述規(guī)則表達(dá)式定義了實(shí)體機(jī)構(gòu)的簡(jiǎn)稱對(duì)應(yīng)的句式結(jié)構(gòu)；將所述非結(jié)構(gòu)化文本文件包括的所述實(shí)體機(jī)構(gòu)的簡(jiǎn)稱替換為所述實(shí)體機(jī)構(gòu)的全稱?？蛇x的，所述根據(jù)預(yù)設(shè)的規(guī)則表達(dá)式識(shí)別所述非結(jié)構(gòu)化文本文件包括的實(shí)體機(jī)構(gòu)的簡(jiǎn)稱和全稱，包括：從所述非結(jié)構(gòu)化文本文件中識(shí)別出所述預(yù)設(shè)的規(guī)則表達(dá)式所定義的句式結(jié)構(gòu)的字符串，所述字符串包括實(shí)體機(jī)構(gòu)的簡(jiǎn)稱；從所述非結(jié)構(gòu)化文本文件中查找位于所述字符串之前的第一個(gè)被標(biāo)記的機(jī)構(gòu)名稱并確定為所述實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱為所述實(shí)體機(jī)構(gòu)的全稱。在本發(fā)明實(shí)施例中，通過(guò)標(biāo)記非結(jié)構(gòu)化文本文件中包括的指示代詞和實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，獲取標(biāo)記的指示代詞屬于的代詞分類，根據(jù)該代詞分類和被標(biāo)記的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，確定該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，在非結(jié)構(gòu)化文本文件中將該指示代詞替換為該指示代詞所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱。由于將非結(jié)構(gòu)化文本文件中的每個(gè)指示代詞替換為各自所指代的實(shí)體機(jī)構(gòu)的機(jī)構(gòu)名稱，減少了對(duì)非結(jié)構(gòu)化文本文件的分析難度，提高了信息提取的效率和準(zhǔn)確性。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過(guò)硬件來(lái)完成，也可以通過(guò)程序來(lái)指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，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)。當(dāng)前第1頁(yè)12