[發明專利]文本公告中觸發詞的抽取方法及系統

在審

• 申請號: 201811295979.4
• 申請日: 2018-11-01
• 公開（公告）號: CN109299470A
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 羅鎮權;練睿;羅強;唐遠洋;劉世林;丁國棟;曾途
• 申請（專利權）人: 成都數聯銘品科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F16/25;G06N3/04
• 代理公司: 北京市領專知識產權代理有限公司 11590
• 代理人: 林輝輪;張玲

本發明涉及一種文本公告中觸發詞的抽取方法及系統，該方法包括步驟：步驟1，通過標點符號對文本公告的整體內容進行分句，得到若干個句子；步驟2，將每個句子劃分為若干個詞，并將若干個詞與預建立的詞典中的觸發詞進行匹配，依序將匹配成功的同一個詞轉換成帶不同序號標識的相同符號；步驟3，將經步驟2處理后的每一個句子輸入觸發詞抽取模型中，輸出得到每個詞的為觸發詞的概率值，概率值大于等于0.5的詞即為觸發詞。通過本發明方法及系統可以較為準確地抽取出事件的觸發詞，且適應性光，可應用于各種事件觸發詞發抽取。

技術領域

本發明涉及數據處理技術領域，特別涉及一種文本公告中觸發詞的抽取方法及系統。

背景技術

事件作為信息的一種表現形式，其定義為特定的人或物在特定時間和特定地點相互作用的客觀事實，一般存在一個句子里。事件抽取技術是從非結構化信息中抽取出用戶感興趣的事件，并以結構化信息呈現給用戶。事件抽取任務可分解為兩個子任務，即事件分類任務和事件元素識別任務。事件分類任務是判斷句子中的每個單詞歸屬的事件類型，是一個基于單詞的多分類任務；事件元素識別任務則是一個基于詞對的多分類任務，判斷句子中任意一對觸發詞和實體之間的角色關系。

目前進行事件抽取一般有兩種方式：基于模式匹配和基于機器學習，基于模式匹配是通過待抽取的句子與已有的模板進行匹配，該方式針對特定領域可以取得較高性能，但移植性差，無法適應復雜多變的描述；而基于機器學習是指將事件類別及事件元素的識別轉換為分類問題，基于短語或句子層級的信息，具有領域無關，移植性好的優點，但需要大量的標注語料，一般機器學習模型從形式多變句子里抽取出觸發詞的效果不佳。

發明內容

本發明的目的在于提供一種文本公告中的觸發詞抽取方法及系統，可以提高觸發詞抽取的準確性和增強適應能力。

為了實現上述發明目的，本發明實施例提供了以下技術方案：

一種文本公告中觸發詞的抽取方法，包括以下步驟：

步驟1，通過標點符號對文本公告的整體內容進行分句，得到若干個句子；

步驟2，將每個句子劃分為若干個詞，并將若干個詞與預建立的詞典中的觸發詞進行匹配，依序將匹配成功的同一個詞轉換成帶不同序號標識的相同符號；

步驟3，將經步驟2處理后的每一個句子輸入觸發詞抽取模型中，輸出得到每個詞為觸發詞的概率值，概率值大于等于閾值的詞即為觸發詞。

在更優化的方案中，在將每個句子劃分為若干個詞之前，還包括步驟：基于預先設立的若干個關鍵詞，去掉不包含任一個關鍵詞的句子；此時，所述將每個句子劃分為若干個詞是指，將保留下來的每個句子劃分為若干個詞。設置關鍵詞，相當于問答模型的問題，這樣能更好的幫助模型在下一步定位出觸發詞。

在更優化的方案中，在輸出得到每個詞為觸發詞的概率值之后，還包括步驟：將大于等于閾值的概率值用第一字符替換，將小于閾值的概率值用第二字符替換。例如對每個句子中的詞輸出Y或者N，Y代表是觸發詞，N代表該詞不是觸發詞，更容易發現句子中的觸發詞并抽取。

另一方面，本發明實施例同時提供了一種文本公告中觸發詞的抽取系統，包括以下模塊：

分句模塊，用于通過標點符號對文本公告的整體內容進行分句，得到若干個句子；

分詞模塊，用于將每個句子劃分為若干個詞，并將若干個詞與預建立的詞典中的觸發詞進行匹配，依序將匹配成功的同一個詞轉換成帶不同序號標識的相同符號；

觸發詞抽取模塊，將所述分詞模塊輸出的每一個句子輸入觸發詞抽取模型中，輸出得到每個詞的為觸發詞的概率值，概率值大于等于閾值的詞即為觸發詞。

再一方面，本發明實施例同時提供了一種包括計算機可讀指令的計算機可讀存儲介質，所述計算機可讀指令在被執行時使處理器執行本發明實施例中所述方法中的操作。