[發(fā)明專利]一種中文同指事件識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201510726584.5
• 申請(qǐng)日: 2015-10-30
• 公開（公告）號(hào): CN105302794B
• 公開（公告）日: 2018-08-07
• 發(fā)明（設(shè)計(jì)）人: 李培峰;朱巧明;周國(guó)棟;朱曉旭
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 常亮

1.一種中文同指事件識(shí)別方法，其特征在于，包括以下步驟：

S1、對(duì)同指標(biāo)注文本和測(cè)試文本中每個(gè)包含事件的句子分別調(diào)用分詞工具、實(shí)體識(shí)別工具和句法分析工具進(jìn)行詞語(yǔ)切分、實(shí)體識(shí)別和句法分析，得到預(yù)處理標(biāo)注文本集合和預(yù)處理測(cè)試文本集合；

S2、分別從預(yù)處理標(biāo)注文本集合和預(yù)處理測(cè)試文本集合中以文檔為單位抽取事件類型相同的事件對(duì)及其特征信息，得到標(biāo)注文本特征集合和測(cè)試文本特征集合；

S3、根據(jù)標(biāo)注文本特征集合中各個(gè)事件對(duì)的特征，訓(xùn)練一個(gè)同指事件識(shí)別模型；再利用所述同指事件識(shí)別模型判別測(cè)試文本特征集合中每個(gè)特征對(duì)應(yīng)的事件對(duì)是否存在同指關(guān)系，得到事件同指第一集合；

S4、對(duì)事件同指第一集合中初步識(shí)別的同指事件結(jié)果以文檔為單位進(jìn)行全局優(yōu)化，得到事件同指集合；優(yōu)化過(guò)程為：根據(jù)事件同指第一集合構(gòu)建全局優(yōu)化文檔集合，所述全局優(yōu)化文檔集合中的每個(gè)文檔包括一個(gè)目標(biāo)函數(shù)和4種約束條件，所述4種約束條件為傳遞性約束、觸發(fā)詞詞距離約束、觸發(fā)詞句距離約束和角色約束；并調(diào)用整形線性規(guī)劃工具，對(duì)所述全局優(yōu)化文檔集合中的每個(gè)文檔求解，得到最終的事件同指集合，具體步驟包括：

S401、以文檔為單位，基于分類概率最大化的思想為測(cè)試文本中的每個(gè)文檔創(chuàng)建目標(biāo)函數(shù)，加入所述文檔對(duì)應(yīng)的全局優(yōu)化文檔(初始為空)，所有的全局優(yōu)化文檔構(gòu)成全局優(yōu)化文檔集合；

S402、根據(jù)同指事件的傳遞性原理，如果Ei和Ej是同指事件，并且Ej和Ek是同指事件，則Ei和Ek是同指事件，為全局優(yōu)化文檔集合中的每個(gè)文檔加入傳遞性約束條件，所述傳遞性約束條件為：x<i,j>+x<j,k>-x<i,k>≤1；

S403、如果事件同指第一集合中任意一個(gè)事件對(duì)(Ei,Ej)的觸發(fā)詞詞距離小于第二閾值，并且它們的語(yǔ)義相似度θ大于等于第三閾值，為全局優(yōu)化文檔集合中的事件對(duì)(Ei,Ej)所在的文檔加入觸發(fā)詞詞距離約束條件為：x_＜i,j＞＝1，其中，觸發(fā)詞詞距離是指分詞后文檔中的兩個(gè)觸發(fā)詞之間詞組的數(shù)量；

S404、如果事件同指第一集合中任意一個(gè)事件對(duì)(Ei,Ej)在文檔中對(duì)應(yīng)的事件句是相鄰句或間隔1句，并且它們對(duì)應(yīng)的事件類型在所述文檔中出現(xiàn)次數(shù)最多，為全局優(yōu)化文檔集合中的事件對(duì)(Ei,Ej)所在的文檔加入觸發(fā)詞句距離約束條件為：x_＜i,j＞＝1，其中，相鄰句是指在文檔中首尾相鄰的兩個(gè)句子；間隔1句是指兩個(gè)句子中間有一個(gè)句子間隔；

S405、如果事件同指第一集合中任意一個(gè)事件對(duì)(Ei,Ej)具有至少一個(gè)相同的論元，并且所述論元在不同事件中對(duì)應(yīng)的角色都在預(yù)先設(shè)定的角色約束集合中，則為全局優(yōu)化文檔集合中的事件對(duì)(Ei,Ej)所在的文檔加入角色約束條件為：x_＜i,j＞＝1，其中，所述角色約束集合為根據(jù)同指標(biāo)注文本統(tǒng)計(jì)得到的角色集合；

S406、把全局優(yōu)化文檔集合中的每個(gè)全局優(yōu)化文檔作為輸入，調(diào)用整形線性規(guī)劃工具，對(duì)每個(gè)所述全局優(yōu)化文檔求解，得到最終的事件同指集合，其中，所述事件同指集合的每一項(xiàng)表示一個(gè)事件對(duì)的結(jié)果，其格式為：x<i,j>＝0或1，其中值為1表示事件對(duì)(Ei,Ej)是同指事件，值為0表示不是同指事件。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟S1中，所述同指標(biāo)注文本和所述測(cè)試文本是已經(jīng)標(biāo)注了事件各類信息的文本，由各種事件抽取工具或人工生成，且所述同指標(biāo)注文本是進(jìn)行同指事件識(shí)別的訓(xùn)練語(yǔ)料，標(biāo)注了所有的同指事件關(guān)系；所述測(cè)試文本是進(jìn)行同指事件識(shí)別的文本。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S1還包括：

S101、分別對(duì)同指標(biāo)注文本和測(cè)試文本中的每個(gè)事件句調(diào)用分詞工具切分詞語(yǔ)，得到用空格分隔詞語(yǔ)的分詞標(biāo)注集合和分詞測(cè)試集合；

S102、分別對(duì)分詞標(biāo)注集合和分詞測(cè)試集合中的每個(gè)事件句調(diào)用實(shí)體識(shí)別工具識(shí)別實(shí)體并標(biāo)注實(shí)體類型，得到實(shí)體識(shí)別標(biāo)注集合和實(shí)體識(shí)別測(cè)試集合，所述實(shí)體識(shí)別標(biāo)注集合和實(shí)體識(shí)別測(cè)試集合中每個(gè)實(shí)體標(biāo)注格式為“實(shí)體/實(shí)體類型”；

S103、分別對(duì)實(shí)體識(shí)別標(biāo)注集合和實(shí)體識(shí)別測(cè)試集合中的每個(gè)事件句調(diào)用句法分析工具進(jìn)行句法分析，得到預(yù)處理標(biāo)注文本集合和預(yù)處理測(cè)試文本集合。