(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210381687.2 (22)申请日 2022.04.12 (71)申请人 北京睿企信息科技有限公司 地址 100013 北京市东城区和平里 北街6号 6号楼一层101室 申请人 日照睿安信息科技有限公司 (72)发明人 于伟　靳雯　赵洲洋　石江枫　 王全修　王明超　 (74)专利代理 机构 北京纽乐康知识产权代理事 务所(普通 合伙) 11210 专利代理师 张朝元 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种多类型时间实体消岐归一化处理系统 及方法 (57)摘要 本发明公开了一种多类型时间实体消岐归 一化处理系统， 包括时间实体标准化组件， 用于 去除自然语言中的噪音， 完成自然语 言文本的结 构化， 并识别实体中的年月日信息； 事件情报消 岐组件具体包括事件指向日期、 事件开始时间、 情报创建时间， 为三类时间实体完成年月日结构 化信息后， 通过推断模块计算事件的指向日期， 进而定义事件指向日期输出格式并完成事件指 向日期输 出； 标准时间的归一化组件为将标准的 时间归一化为重大节日、 敏感节点， 并完成标准 化输出； 本发 明通过时间预处理解决警务文本的 数据录入错误的问题,采用正则和规则作为主要 实现方式,更节省CPU、 内存、 显卡方面的机器资 源。 权利要求书1页 说明书5页 附图4页 CN 114722814 A 2022.07.08 CN 114722814 A 1.一种多类型时间实体消岐归一化处理系统， 其特征在于， 包括时间实体标准化组件 模块、 事件情报消歧组件 模块、 标准时间的归一 化组件模块， 其中， 所述时间实体标准化组件模块， 用于去 除自然语言中的噪音， 完成自然语言文本的结 构化， 及识别实体中的年月日信息， 其包含时间预处理子模块、 标准时间正则化子模块、 时 间结构化子模块； 所述时间情报消岐组件模块， 具体包括事件指向日期、 事件开始时间及情报创建时间， 为通过计算时间偏移， 推断事 件指向日期， 其包 含时间偏移计算子模块、 时间组合子模块； 所述标准时间的归一化组件模块， 为将标准的时间归一化为重大节日、 敏感节点完成 并标准化输出。 2.根据权利要求1所述的多类型时间实体消岐归一化处理系统， 其特征在于， 所述 时间 预处理子模块， 包括以下步骤： S21: 输入时间实体， 对所有字符完成全角转半角的转换； S22: 再清除字符串中的空白符、 非法字符以及预期助词； S23: 再将大写数字转化为阿拉伯数字， 对字符串中出现的各种数字的表述都转化为 阿拉伯数字； S34: 对字符串中出现容 易与数字混淆的字母完成数字转换。 3.根据权利要求1所述的多类型时间实体消岐归一化处理系统， 其特征在于， 所述标准 时间正则化子模块， 通过利用正则表达式， 设计特征， 提取输入的标准化时间中的年月日信 息， 完成结构化输出。 4.根据权利要求1所述的多类型时间实体消岐归一化处理系统， 其特征在于， 所述 时间 结构化子模块， 判断非结构化的时间实体是否为节假日、 标准时间格式， 提取出不标准的格 式时间字符串。 5.根据权利要求1所述的多类型时间实体消岐归一化处理系统， 其特征在于， 所述 时间 偏移计算子模块， 进行提取计划日期plan_date中完整的年月日日期， 并判断分别是否被提 取出， 若没有被提取 过则计算并提取 该偏移量， 若被提取 过， 最终返回年月日。 6.一种多类型时间实体消岐归一 化处理方法， 其特 征在于， 包括以下步骤: S1: 首先输入三类时间实体， 为时间实体为事件指向日期、 事件开始时间及情报创建 时间， 对三类时间实体结构化信息； S2: 所述情报创建时间为标准化的时间格式， 通过标准时间正则化子模块， 完成情报 创建时间实体的正则化， 输出情 报创建时间的年月日信息； S3: 所述事件指向日期与事件开始时间实体， 通过时间预处理子模块去除自然语言中 的噪音， 再通过基于规则的时间结构化子模块， 完成自然语言文本的结构化， 并识别实体中 的年月日信息； S4: 三类时间实体完成年月日结构化信息后， 经 过推断计算出事 件的指向日期； S5: 进行定义事 件指向日期输出格式和完成事 件指向日期输出。 7.根据权利要求6所述的多类型时间实体消岐归一化处理方法， 其特征在于， 所述定义 事件指向日期输出格式， 按照业务要求的格式重新定义事件指向日期， 按照年月日顺序排 序后输出。权　利　要　求　书 1/1 页 2 CN 114722814 A 2一种多类型时间实体 消岐归一化处理系统及方 法 技术领域 [0001]本发明涉及处理时间实体数据技术领域， 具体来说， 涉及一种多类型时间实体消 岐归一化处理系统及方法。 背景技术 [0002]多类型的时间实体包括事件指向日期， 事件开始时间， 情报创建时间。 由于 实体为 从自然语言文本中抽取出来， 所以对于时间的表述有无穷种 可能， 单单从已抽取 的事件指 向日期实体通常无法得到完整 “年”、“月”、“日”的结构化日期信息， 或者无法获得正确的事 件指向日期， 所以需要另外两类时间实体： 事件开始时间与情报创建时间， 提供辅助信息与 完成联合验证， 最终完成时间实体 推断与计算。 发明内容 [0003]针对相关技术中的上述技术问题， 本发明提出一种多类型时间实体消岐归一化处 理系统， 能够克服现有技 术方法的上述 不足。 [0004]为实现上述 技术目的， 本发明的技 术方案是这样实现的： [0005]一种多类型时间实体消岐归一化处理系统， 包括时间实体标准化组件模块、 事件 情报消歧组件 模块、 标准时间的归一 化组件模块， 其中， [0006]所述时间实体标准化组件模块， 用于去除自然语言中的噪音， 完成自然语言文本 的结构化， 及识别实体中的年月日信息， 其包含时间预处理子模块、 标准时间正则化子模 块、 时间结构化子模块； [0007]所述时间情报消岐组件模块， 具体包括事件指向日期、 事件开始时间及情报创建 时间， 为通过计算时间偏移， 推断事件指向日期， 其包含时间偏移计算子模块、 时间组合子 模块； [0008]所述标准时间的归一化组件模块， 为将标准的时间归一化为重大节日、 敏感节点 完成并标准 化输出。 [0009]进一步地， 所述时间预处 理子模块， 包括以下步骤： [0010]S21： 输入时间实体， 对所有字符完成全角转半角的转换； [0011]S22： 再清除字符串中的空白符、 非法字符以及预期助词； [0012]S23： 再将大写数字转化为阿拉伯数字， 对字符串中出现的各种数字的表述都转化 为阿拉伯数字； [0013]S34： 对字符串中出现容 易与数字混淆的字母完成数字转换。 [0014]进一步地， 所述标准时间正则化子模块， 通过利用正则表达式， 设计特征， 提取输 入的标准 化时间中的年月日信息， 完成结构化输出。 [0015]进一步地， 所述时间结构 化子模块， 判断非结构化的时间实体是否为节假日、 标准 时间格式， 提取 出不标准的格式时间字符串。 [0016]进一步地， 所述时间偏移计算子模块， 进行提取计划日期plan_dat e中完整的年月说　明　书 1/5 页 3 CN 114722814 A 3