[發明專利]一種中文事件事實性識別方法和系統

有效

• 申請號: 201611170133.9
• 申請日: 2016-12-16
• 公開（公告）號: CN106844448B
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 何天雄;李培峰;朱曉旭;朱巧明;周國棟
• 申請（專利權）人: 蘇州大學
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/35;G06F16/36
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 李陽

本發明涉及一種中文事件事實性識別方法和系統，利用事件事實性信息和它們之間的聯系，采用機器學習和推理相結合的方法來識別中文事件的事實性。本發明的方法和系統，與現有的方法和系統相比，總體的識別性能有所提升，同時，在處理類別的不均衡問題上有更好的效果，尤其在事件數目較少的類別的事實性識別上有明顯的性能提升。

技術領域

本發明涉及自然語言處理領域，尤其涉及一種中文事件事實性識別方法和系統。

背景技術

當人們談論某一事件，表達對事件的觀點和想法時，不僅僅傳達了事件發生的時間、地點和人物等信息，還包含了對事件的立場和態度。其中態度和立場可分為兩類：主觀性和確定性，主觀性即敘述者對當前事件主觀性的看法，如贊成、反對或中立^[2]。確定性即敘述者對當前事件真實與否的確定性程度，如一定發生、可能發生或者仍未發生等^[3]。這里的確定性，即本文所指的事件事實性。

事件事實性識別就是判定當前事件發生的確定性程度。事件事實性的影響因素很多，事件句中的謂詞語義往往隱含了事件敘述者的態度，例如“確實”、“證實”表示確定，“懷疑”、“推斷”表示可能。否定詞和一些特殊的句法結構如條件和目的從句，也會影響事件事實性的表達。除此之外，事件發生的時態、一些特殊的形容詞和副詞(可能、必須等)都會對事件的事實性造成影響。

目前有關事件事實性的研究較少，主要集中在英文方面，Diab^[7]提出了一個基于機器學習模型的事實性標記方法。為簡化模型，只認為事實性由文檔作者表達，然后將事實性分為三類：“確定的事實性”(非常有可能會發生)、“不確定的事實性”(有可能會發生)和“不存在”(無法確定是否發生)。為驗證他們的想法，建立了小型的語料庫并使用YAMCHA序列標簽系統，除一些基本特征外還使用了詞性標簽、詞類特征、淺層句法信息等作為特征。Prabhakaran^[8]使用了類似的方法，將其分成兩個子任務：識別文檔的主題和根據主題進行事實性分類，在引入了依存句法關系作為特征的同時使用了基于SVM和CRF模型的標記工具。Velldal^[9]在Conan Doyle語料庫的基礎上，將事實性分為兩類：“確定的事實性”和“不確定的事實性”，利用已標注的否定信息用于事實性分類，并將該方法用于輔助否定事件檢測任務，使得否定事件檢測精度得到提升。Kilicoglu^[11]提出了一種基于規則的組合方法用于識別生物醫學領域事件的事實性，該方法注重同一覆蓋域內事件謂詞之間的聯系，并對其進行分類。實驗通過一系列規則實現事件的確定性和極性的識別，使用GENIA事件語料庫，在事件確定性的識別上取得不錯的效果，但在極性的識別上稍弱。使用機器學習的方法分別識別克羅地亞語料事件的確定性和極性，考慮到克羅地亞語的特性，對特定的詞匯信息進行處理并作為特征來識別極性，而在識別確定性上則著重考慮到某些觸發詞出現的位置信息，整體上取得了不錯的效果。Lee^[13]驗證了無監督的方法用于事件監測和事實性識別的可行性，通過使用高質量的數據樣本和一些簡單的模型可以在一定程度上完成事件檢測和事實性識別兩個任務。

Sauri^[5]從語言學的角度設計了一個事實性分析器-De Facto。為驗證自己的思想，在TimeBank語料庫的基礎上，建立了用于事件事實性分析的FactBank語料庫^[6]，FactBank將事件事實性分為七類：“確定發生”、“確定不發生”、“很可能發生”、“很有可能不發生”、“有可能發生”、“有可能不發生”和“不確定”。錢忠^[10]提出了一個將事件事實性分析拆解為兩步的方法。首先，依據事件事實性相關信息建立最大熵模型將事件分為“確定發生”和“不確定發生”兩類，然后根據規則對“確定發生”類別再進行細分。