[發明專利]一種融合規則與深度學習的汽車新聞事件抽取方法

有效

• 申請號: 201810638065.7
• 申請日: 2018-06-20
• 公開（公告）號: CN110633409B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 黃海量;韓松喬
• 申請（專利權）人: 上海財經大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/33;G06F40/284;G06F40/289;G06N3/045;G06N3/0442;G06N3/08
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 翁惠瑜

1.一種融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，包括：

文本預處理步驟，獲取網絡新聞文本數據，包括新聞語料和百科數據，對所述網絡新聞文本數據進行文本預處理，基于預處理后的新聞語料和百科數據形成訓練集，對詞向量和字向量進行訓練；

基于規則的基模型構建步驟，提取汽車行業新聞事件所需抽取的關鍵屬性，建立適用于汽車領域的本體知識庫，構建基于規則的基模型；

深度學習神經網絡訓練步驟，搭建并訓練用于判斷事件類別的BiLSTM+CRF網絡；

事件抽取步驟，基于所述BiLSTM+CRF網絡對未標注新聞語料進行識別，獲取對應的事件類別；

所述本體知識庫包括公司詞庫、高管職位詞庫、觸發詞庫、事件結果詞庫、被動詞否定詞詞庫和新聞發生時態詞庫；

所述基模型用于與本體知識庫中的詞庫進行詞語匹配，找到新聞事件中的觸發詞，再根據觸發詞所對應的不同規則模式來抽取其它相應的事件元素，

所述規則模式包括：

1)主被動公司關系模式

[主動公司，新聞發生時態，觸發詞，被動公司，事件結果]

2)單個公司事件模式

[主動/被動公司，新聞發生時態，觸發詞，事件結果]

3)合作重組事件模式

[主動公司，主動公司，新聞發生時態，觸發詞，事件結果]

4)倒裝事件模式

[主動公司，新聞發生時態，股票機構，觸發詞，事件結果]。

2.根據權利要求1所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，所述獲取網絡新聞文本數據的具體過程包括：

步驟101：獲取一段歷史時間內的所有新聞信息的網址；

步驟102：提取需要的新聞信息及整個頁面信息，并將每個新聞存儲為一個文件，形成新聞語料；

步驟103：使用爬蟲技術獲取百科數據。

3.根據權利要求1所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，對所述新聞語料的文本預處理具體為：

步驟201：將原有的新聞用空格作為每條新聞結束的標志將新聞重新進行劃分，數據集的存儲格式為：

News＝[{original_news1,segmentation1,time1},{original_news2,segmentation2,time2,{},…}

其中，original_news為原始新聞標題，segmentation為用結巴分詞對原始新聞標題進行分詞后的結果，time為爬取到的新聞發布時間；

步驟202：剔除編碼錯誤的數據。

4.根據權利要求3所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，對詞向量和字向量的訓練過程中，

訓練字向量時，對每個字之間用空格作為分隔符來訓練；訓練詞向量時，用結巴分詞對詞語進行初步分詞，然后輸入Word2Vec進行詞向量的訓練。

5.根據權利要求1所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，所述提取汽車行業新聞事件所需抽取的關鍵屬性包括：

采用半監督機器學習算法從新聞文本中挖掘關鍵屬性，構成新聞事件抽取的關鍵屬性體系。

6.根據權利要求1所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，所述BiLSTM+CRF網絡訓練時，以所述基模型的抽取結果和標注樣本作為訓練集。

7.根據權利要求1所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，所述事件抽取步驟具體包括：

步驟701：讀取待抽取的文本語料，對語料進行預處理；

步驟702：對于每一個句子進行分詞處理，判斷詞語中是否包含觸發詞；

步驟703：判斷分詞后的每一個詞語是否出現在事件角色詞典中，標注事件角色特征，所述事件角色詞典包括公司詞庫和高管職位詞庫；

步驟704：提取事件句中詞語的特征，包括詞語基本特征以及詞語的上下文環境特征，生成統一格式文件，采用訓練好的所述BiLSTM+CRF網絡進行預測；

步驟705：循環處理事件句，完成事件抽取任務。

8.根據權利要求7所述的融合規則與深度學習的汽車新聞事件抽取方法，其特征在于，所述步驟704中，對于每一種角色類別選擇預測概率最大的詞語作為最終的事件元素。