Epg信息解析方法及系统的制作方法
【技术领域】
[0001] 本发明属于广播电视播出系统技术领域，具体设及一种EPG信息解析方法及系统。
【背景技术】
[0002] 电子节目指南（electrical program guide,简称EPG)已成为数字电视的重要标 志，是观众进入数字电视和交互式网络电视(简称IPTV)的口户。EPG系统可向用户提供一种 容易使用、界面友好、快速访问所关注节目的方式，不仅能够使用户方便地找到自己喜欢的 节目，而且还能看到一个或者多个频道甚至所有频道上近期将播放的节目。
[0003] EPG系统处理的有关节目信息称之为EPG信息，其包括W下类型信息:节目名称、节 目副标题、栏目名称、节目分类、集数和总集数等。由于EPG信息是否各个电视台产生或者说 从各个网站上爬取，因此，EPG信息的文字风格和排列方式大不相同，是一种不规则的数据。 为此，现有技术中一般采用人为方式进行解析，不仅解析效率低，而且准确率低。
[0004] 因此，如何针对不规则的数据进行准确解析EPG信息中的多种类别是目前亟待解 决的问题之一。
【发明内容】
[0005] 本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种EPG信息解析 方法及系统，不仅解析效率高，而且解析正确率高，单字符正确率可达99.9 %，单句正确率 可达98.5%。
[0006] 为解决上述问题之一，本发明提供了一种EPG信息解析方法，所述EPG信息包括多 种类别，包括W下步骤:基于多条EPG信息和与之对应的类别信息，采用条件随机场模型进 行学习，W获得与所述EPG信息的特征相关的解析模型;提取当前EPG信息的特征;根据提取 的特征，使用所述解析模型进行条件随机场解析，W获得当前EPG信息对应的类别信息。
[0007] 优选地，所述类别信息和所述EPG信息的对应关系如下：每种类别、所有的标点符 号和每个预设字分别对应一个字母或者字母组合;EPG信息中的属于同一类别的每个字符 标注为该类别对应的字母或字母组合，每个标点符号和预设字标注为对应的字母或字母组 合，从而根据EPG信息形成与之对应的由字母串接形成的类别信息。
[000引具体地，所述特征包括:所述EPG信息中的字符本身和字符位置特征。
[0009] 优选地，所述特征还包括词性特征。
[0010] 优选地，所述提取当前EPG信息的特征，包括:对当前EPG信息进行分词；基于分词 结果进行词性识别，W提取出所述词性特征。
[0011] 优选地，采用隐马尔可夫模型或者条件随机场模型对所述信息进行分词；和/或， 采用隐马尔可夫模型或者条件随机场模型对分词结果进行词性识别。
[0012] 本发明还提供一种EPG信息解析系统，包括:解析模型建立模块，用于基于多条EPG 信息和与之对应的类别信息，采用条件随机场模型进行学习，W获得与所述EPG信息的特征 相关的解析模型；提取模块，用于提取当前EPG信息的特征;解析模块，用于根据提取的特 征，使用所述解析模型进行条件随机场解析，W获得当前EPG信息对应的类别信息。
[001引优选地，所述类别信息和EPG信息的对应关系如下:每种类别、所有的标点符号和 每个预设字分别对应一个字母或者字母组合;EPG信息中的属于同一类别的每个字符标注 为该类别对应的字母或字母组合，每个标点符号和预设字标注为对应的字母或字母组合， 从而根据EPG信息形成与之对应的由字母串接形成的类别信息。
[0014] 具体地，所述特征包括:所述EPG信息中的字符本身和字符位置特征。
[0015] 优选地，所述特征还包括词性特征。
[0016] 优选地，所述提取模块包括:分词子模块，用于对当前EPG信息进行分词；词性识别 子模块，用于基于分词结果进行词性识别，W提取出所述词性特征。
[0017] 优选地，所述分词子模块，用于采用隐马尔可夫模型或者条件随机场模型对所述 信息进行分词；和/或，所述词性识别子模块，采用隐马尔可夫模型或者条件随机场模型对 分词结果进行词性识别。
[0018] 本发明具有W下有益效果：
[0019] 本发明提供的EPG信息解析方法及系统，针对各个电视台提供或者从各种网站上 爬取的文字风格和排列方式大不相同的EPG信息，均可采用条件随机场进行EPG信息解析， 获得每条EPG信息的分类信息，运与现有技术中采用人为解析方式相比，不仅解析效率高， 而且解析正确率高，单字符正确率可达99.9 %，单句正确率可达98.5 %。其中，单字符正确 率是指解析正确的字符个数占整个测试集字符个数的百分比，单句正确率是指解析正确的 EPG信息条数占整个测试集EPG信息条数的百分比。
【附图说明】
[0020] 图1为本发明实施例提供的EPG信息解析方法的流程图；
[0021] 图2为图1中步骤S2的流程图；
[0022] 图3为本发明实施例提供的EPG信息解析系统的原理框图；
[0023] 图4为图3中提取模块的原理框图。
【具体实施方式】
[0024] 为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图来对本发明 提供的EPG信息解析方法及系统进行详细描述。
[0025] 实施例1
[0026] 图1为本发明实施例提供的EPG信息解析方法的流程图，请参阅图1，EPG信息包括 多种类别，具体地，多种类别包括但不限于：1，节目名称，指具体的节目名称，举例：天龙八 部、快乐大本营等;2,栏目名称或剧场名称，举例:午夜剧场、午间剧场等;3,节目分类，指节 目的具体表现形式，举例：电影、电视剧等;4，集数，指节目当前播放的集数;5，总集数，指节 目的总集数;6，季/部，指第几季或第几部，例如，第一季;7，时间信息，指具体播出时间，例 如：2015-12-09;8,区域信息，指节目由那个区域制作，例如，大陆、香港、台湾等;9,人物信 息，指节目中出现了那些重要的人物，例如，霍建华版、胡军版；10,剪辑信息，指剪辑版本， 例如，剪辑版、精装版;11，播放状态，例如，转播、直播、重播等。
[0027] 该EPG信息解析方法，包括W下步骤：
[00%] SI,基于多条EPG信息和与之对应的类别信息，采用条件随机场模型(Conditional Random Field,简称CRF)进行学习，W获得与Ere信息的特征相关的解析模型。也就是说，多 条EPG信息和与之对应的类别信息作为样本集，W供学习来获得上述解析模型。
[0029] 举例说明：若一条EPG信息为"钻石剧场:天龙八部胡军版1/45"，由于"钻石剧场" 所属类别为"栏目名称"，"天龙八部"所属类别为"节目名称"，"胡军版"所属类型为"人物信 息"，"r所属类型为"集数"，"45"所属类型为"总集数"，因此，该EPG信息对应的类别信息可 W但不限于："栏目名称节目名称人物信息集数/总集数"。
[0030] 在本实施例中，优选地，类别信息和EPG信息的对应关系如下:每种所述类别、所有 的标点符号和每个预设字分别对应一个字母或者字母组合;所述EPG信息中的属于同一类 别的每个字符标注为该类别对应的字母或字母组合，每个标点符号和预设字标注为对应的 字母或字母组合。基于该对应关系，即可根据EPG信息获得与之对应的类别信息，该类别信 息具体为：由字母串接形成的字符串。
[0031] 举例说明：类别、标点符号和预设字与字母和字母组合的对应关系见下表：
[0034] 其中，标点符号包括"空格7"和V等的所有标点符号。"版"为预设字。
[0035] 在此情况下，若一条EPG信息为"钻石剧场:天龙八部胡军版1/45"，则由该EPG信息 标注形成的与之对应的类别信息为乂CCCMPPPPMNNVMEMES"。
[0036] 具体地，EPG信息的特征包括:EPG信息中的字符本身和字符位置特征。
[0037] 采用字符本身特征的原因为:类别与字符本身强相关，例如，当字符为阿拉伯数字 或者中文数字时，该字符的类别很大可能是集数或者总集数;标点符号本身就是一种类别； 大陆、韩国等区域名很大程度是区域信息;剪辑信息所能列举的字符相当有限。
[0038] 采用字符位置特征的原因为:类别与字符位置相关，例如，2015-12-09,虽然大部 分字符为数字，但是通过符号"-"W时间的固定格式连接，因此，每个字符的类别为时间信 息；同样的出现在7"之后的数字很大可能是总集数。
[0039] S2,提取当前EPG信息的特征。
[0040] 具体地，该步骤中需要提取的当前EPG信息的特征与步骤Sl