[發明專利]一種觸發詞擴展方法、裝置以及事件提取方法及系統

有效

• 申請號: 201711157258.2
• 申請日: 2017-11-20
• 公開（公告）號: CN107957990B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 董超;崔朝輝
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06F40/247
• 分類號: G06F40/247;G06F40/289;G06F40/30;G06F40/211
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 郭一斐;葉萬東

本發明提供了一種觸發詞擴展方法、裝置以及事件提取方法及系統。一種觸發詞擴展方法，包括：接收輸入的待擴展觸發詞列表U；對于待擴展的每個詞，獲取與其相似度大于相似閾值的相似詞，和/或在預先設置好的近義詞林中獲取其近義詞；將擴展得到的相似詞和/或近義詞加入擴展觸發詞列表H，對所述列表H中的每個詞，計算其與所述列表U中詞的語義相關性，將語義相關性大于相關閾值的詞和所述列表U中的詞加入保留觸發詞列表D；輸出保留觸發詞列表D。本發明能夠大大提高工作效率，減少人工干預的成本，能夠保證觸發詞的覆蓋面，提供更優質的觸發詞表，同時，在詞表的基礎上，使用事件提取算法能夠精準的識別文本中的事件信息。

技術領域

本發明涉及通信技術領域，尤其涉及一種觸發詞擴展方法、裝置以及事件提取方法及系統。

背景技術

事件提取是信息抽取領域的一個重要研究方向。事件提取主要把人們用自然語言表達的事件，以結構化的形式表現出來。事件提取作為信息處理領域的關鍵技術，在信息檢索、自動問答、自動摘要、數據挖掘、文本挖掘等領域有著廣泛的應用。

事件提取是基于觸發詞表(也叫觸發詞典)來完成的，觸發詞是用來尋找文本中包含事件的短語，比如詞“爆炸”針對突發事件場景就是一個觸發詞，針對原始文本“昨晚9時左右，北京某小區發生天然氣爆炸，造成3人受傷，目前已送往醫院進行治療”，通過觸發詞表可抽取出事件“北京某小區發生天然氣爆炸”。所以，從該例中可以看出，在事件提取過程中，觸發詞表規模的大小以及觸發詞質量的好壞直接影響事件最終的抽取效果，所以，觸發詞表就成為該過程中最為重要的一個環節。但是，由于觸發詞表不易構建，現階段主要是采用人工對語料進行標注來抽取其中觸發詞的方式。從大量的文本語料中去逐一尋找相應的觸發詞并記錄到觸發詞表中，通過人工的方式在一定程度上能夠滿足觸發詞表的構建，但通過這種人工逐一查找的方式太費時費力，人工成本很高，而且人工查找的方式對觸發詞的覆蓋面不全。亟需一種提高效率的基于詞表擴展的方式來構建觸發詞表，再將該觸發詞表應用到事件提取過程中。

發明內容

為了解決現有技術中觸發詞表質量、效率不高的現狀，本發明例提供了一種觸發詞擴展方法、裝置以及事件提取方法及系統。

根據本發明的一個方面，提供一種觸發詞擴展方法，包括：

步驟S110，接收輸入的待擴展觸發詞列表U；以及，采用步驟S120和步驟S130其中至少之一對所述列表U中的每個詞進行擴展；

步驟S120，對于待擴展的每個詞，獲取與其相似度大于相似閾值的相似詞；

步驟S130，對于待擴展的每個詞，在預先設置好的近義詞林中獲取其近義詞；

步驟S140，將擴展得到的相似詞和/或近義詞加入擴展觸發詞列表H，對所述列表H中的每個詞，計算其與所述列表U中詞的語義相關性，將語義相關性大于相關閾值的詞和所述列表U中的詞加入保留觸發詞列表D；

步驟S150，輸出所述保留觸發詞列表D。

進一步的，在所述步驟S120之前，還包括：

通過爬蟲抓取網絡上的文本語料加入訓練語料庫；

對抓取到的語料進行自動分詞；

對分詞的結果進行相關度訓練。

進一步的，所述對所述列表H中的每個詞，計算其與所述列表U中詞的語義相關性，具體包括：

計算所述列表H中詞的左語義向量和右語義向量，計算所述列表U中詞的左語義向量和右語義向量；

將所述列表H中詞的左語義向量與所述列表U中詞的左語義向量求余弦值，將所述列表H中詞的右語義向量與所述列表U中詞的右語義向量求余弦值，將兩個余弦值按左右系數加權求和得到兩個詞之間的語義相關性。

進一步的，所述左語義向量和右語義向量的計算方式，包括：