[發明專利]一種面向開放域的事件抽取系統及方法

在審

• 申請號: 201710075116.5
• 申請日: 2017-02-13
• 公開（公告）號: CN106951438A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 張永強;巢文涵;李舟軍
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京科迪生專利代理有限責任公司11251
• 代理人: 楊學明,顧煒

1.一種面向開放域的事件抽取系統，其特征在于包括：預處理模塊、觸發詞識別模塊、事件參數識別模塊、事件圖譜分析模塊和事件抽取展示模塊；其中：

預處理模塊：對網絡爬蟲從互聯網上獲取到的原始文本數據進行預處理，預處理工作包括去除網頁的原始文本數據中的冗余標簽，提取網頁的原始文本數據的正文內容，對正文內容進行分段、分句、分詞、詞性標注，然后對得到的數據建立索引，形成索引庫和網頁內容數據庫；

觸發詞識別模塊：以用戶輸入的關鍵詞在索引庫中進行檢索，得到與用戶輸入的關鍵詞相關的數據，然后將得到的數據進行觸發詞識別；觸發詞識別基于卷積神經網絡模型，卷積神經網絡模型針對預處理之后得到的原始文本數據，將文本內容中的詞的詞向量、位置特征轉化為矩陣，然后通過卷積、池化操作進行特征學習，最后通過softmax分類器進行分類，判斷當前詞語是否是觸發詞；經過觸發詞識別后，將得到的觸發詞輸入到事件圖譜分析模塊；

事件參數識別模塊：基于用戶端輸入的關鍵詞在索引庫中檢索得到和用戶輸入關鍵詞相關的數據，然后對這些數據進行實體識別，對實體識別得到實體構建超圖，然后對所述超圖進行分割，得到和觸發詞相關的實體，從而得到一個事件中所涉及到的實體，也就得到了事件相關參數，從而完成了事件參數識別；事件參數識別后，將得到的事件參數識別結果輸入到事件圖譜分析模塊；

事件圖譜分析模塊：對觸發詞識別模塊和事件參數識別模塊得到的觸發詞和事件參數識別結果，進行實體和事件的泛化分析，將同類事件進行融合，最后將融合后的所有事件信息輸入到事件抽取展示模塊；

事件抽取展示模塊：將事件圖譜分析模塊的所有事件信息進行可視化展現，可視化展現使用關系圖對事件信息進行表示，用戶通過關系圖直接獲取和輸入關鍵詞相關的事件信息。

2.根據權利要求1所述的面向開放域的事件抽取系統，其特征在于：所述事件參數識別模塊中，構建超圖過程為：

(1)將觸發詞和候選事件元素分別作為超圖中的節點；

(2)將所述節點和候選事件元素通過超邊進行連接；

(3)計算超邊權重，計算時選擇的特征包括：觸發詞與實體之間的句法路徑長度；觸發詞與實體的相對位置；觸發詞與實體之間的標點符號數；觸發詞與實體之間的實體個數；觸發詞與實體之間的非實體個數。

3.根據權利要求1所述的面向開放域的事件抽取系統，其特征在于：所述事件圖譜構建模塊中，泛化的過程為：對于抽取出的兩個事件，如果它們具有完全一樣的實體，則認為這兩個事件是同一個事件，合并事件的觸發詞用兩個事件觸發詞的并集來表示；對于兩個事件多元組，如果只存在一個實體不同，其它的元素完全一樣，則認為這兩個實體是同樣的實體，新的表示用實體并集表示；如果兩個事件，存在大于一個相同的實體，則認為兩個事件之間存在關系，通過泛化之后得到同類事件。

4.根據權利要求1所述的面向開放域的事件抽取系統，其特征在于：所述事件抽取展示模塊具體為：包含用戶輸入和事件抽取結果可視化呈現兩個部分，用戶輸入關鍵詞，根據關鍵詞檢索得到關鍵詞相關的資訊信息，可視化呈現部分對從關鍵詞相關資訊中抽取到的事件信息以關系圖的形式呈現給用戶，關系圖采用不同的形狀對事件觸發詞和參數進行區分。

5.一種面向開放域的事件抽取方法，其特征在于包括以下步驟：

預處理步驟：對網絡爬蟲從互聯網上獲取到的原始文本數據進行預處理，預處理工作包括去除網頁的原始文本數據中的冗余標簽，提取網頁的原始文本數據的正文內容，對正文內容進行分段、分句、分詞、詞性標注，然后對得到的數據建立索引，形成索引庫和網頁內容數據庫；

觸發詞識別步驟：以用戶輸入的關鍵詞在索引庫中進行檢索，得到與用戶輸入的關鍵詞相關的數據，然后將得到的數據進行觸發詞識別；觸發詞識別基于卷積神經網絡模型，卷積神經網絡模型針對預處理之后得到的原始文本數據，將文本內容中的詞的詞向量、位置特征轉化為矩陣，然后通過卷積、池化操作進行特征學習，最后通過softmax分類器進行分類，判斷當前詞語是否是觸發詞，得到識別后觸發詞；

事件參數識別步驟：基于用戶端輸入的關鍵詞在索引庫中檢索得到和用戶輸入關鍵詞相關的數據，然后對這些數據進行實體識別，對實體識別得到實體構建超圖，然后對所述超圖進行分割，得到和觸發詞相關的實體，從而得到一個事件中所涉及到的實體，也就得到了事件相關參數，從而完成了事件參數識別；事件參數識別后，得到的事件參數識別結果；

事件圖譜分析步驟：對觸發詞識別步驟和事件參數識別步驟得到的觸發詞和事件參數識別結果，進行實體和事件的泛化分析，將同類事件進行融合，得到融合后的所有事件信息；

事件抽取展示步驟：將所有事件信息進行可視化展現，可視化展現使用關系圖對事件信息進行表示，用戶通過關系圖直接獲取和輸入關鍵詞相關的事件信息。