[發明專利]一種中文同指事件識別方法及系統

有效

• 申請號: 201510726584.5
• 申請日: 2015-10-30
• 公開（公告）號: CN105302794B
• 公開（公告）日: 2018-08-07
• 發明（設計）人: 李培峰;朱巧明;周國棟;朱曉旭
• 申請（專利權）人: 蘇州大學
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 常亮

1.一種中文同指事件識別方法，其特征在于，包括以下步驟：

S1、對同指標注文本和測試文本中每個包含事件的句子分別調用分詞工具、實體識別工具和句法分析工具進行詞語切分、實體識別和句法分析，得到預處理標注文本集合和預處理測試文本集合；

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

S3、根據標注文本特征集合中各個事件對的特征，訓練一個同指事件識別模型；再利用所述同指事件識別模型判別測試文本特征集合中每個特征對應的事件對是否存在同指關系，得到事件同指第一集合；

S4、對事件同指第一集合中初步識別的同指事件結果以文檔為單位進行全局優化，得到事件同指集合；優化過程為：根據事件同指第一集合構建全局優化文檔集合，所述全局優化文檔集合中的每個文檔包括一個目標函數和4種約束條件，所述4種約束條件為傳遞性約束、觸發詞詞距離約束、觸發詞句距離約束和角色約束；并調用整形線性規劃工具，對所述全局優化文檔集合中的每個文檔求解，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試文本中的每個文檔創建目標函數，加入所述文檔對應的全局優化文檔(初始為空)，所有的全局優化文檔構成全局優化文檔集合；

S402、根據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，為全局優化文檔集合中的每個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事件對(Ei,Ej)的觸發詞詞距離小于第二閾值，并且它們的語義相似度θ大于等于第三閾值，為全局優化文檔集合中的事件對(Ei,Ej)所在的文檔加入觸發詞詞距離約束條件為：x_＜i,j＞＝1，其中，觸發詞詞距離是指分詞后文檔中的兩個觸發詞之間詞組的數量；

S404、如果事件同指第一集合中任意一個事件對(Ei,Ej)在文檔中對應的事件句是相鄰句或間隔1句，并且它們對應的事件類型在所述文檔中出現次數最多，為全局優化文檔集合中的事件對(Ei,Ej)所在的文檔加入觸發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句子；間隔1句是指兩個句子中間有一個句子間隔；

S405、如果事件同指第一集合中任意一個事件對(Ei,Ej)具有至少一個相同的論元，并且所述論元在不同事件中對應的角色都在預先設定的角色約束集合中，則為全局優化文檔集合中的事件對(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同指標注文本統計得到的角色集合；

S406、把全局優化文檔集合中的每個全局優化文檔作為輸入，調用整形線性規劃工具，對每個所述全局優化文檔求解，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表示一個事件對的結果，其格式為：x<i,j>＝0或1，其中值為1表示事件對(Ei,Ej)是同指事件，值為0表示不是同指事件。

2.根據權利要求1所述的方法，其特征在于，在步驟S1中，所述同指標注文本和所述測試文本是已經標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，且所述同指標注文本是進行同指事件識別的訓練語料，標注了所有的同指事件關系；所述測試文本是進行同指事件識別的文本。

3.根據權利要求1所述的方法，其特征在于，步驟S1還包括：

S101、分別對同指標注文本和測試文本中的每個事件句調用分詞工具切分詞語，得到用空格分隔詞語的分詞標注集合和分詞測試集合；

S102、分別對分詞標注集合和分詞測試集合中的每個事件句調用實體識別工具識別實體并標注實體類型，得到實體識別標注集合和實體識別測試集合，所述實體識別標注集合和實體識別測試集合中每個實體標注格式為“實體/實體類型”；

S103、分別對實體識別標注集合和實體識別測試集合中的每個事件句調用句法分析工具進行句法分析，得到預處理標注文本集合和預處理測試文本集合。