[發明專利]用于事件預測的知識圖構建方法與事件預測方法

有效

• 申請號: 201910434546.0
• 申請日: 2019-05-23
• 公開（公告）號: CN110263177B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 張洪銘;劉昕;潘浩杰;宋陽秋
• 申請（專利權）人: 廣州市香港科大霍英東研究院
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/332
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種用于事件預測的知識圖構建方法，其特征在于，包括：

對預先采集的語料進行預處理，從所述語料中抽取出多個候選句子；

根據預設的依賴關系，從所述候選句子中提取出多個事件，以使得每個所述事件保留對應候選句子的完整語義信息；

從所述語料中抽取所述事件之間的種子關系；

根據所述事件及事件之間的種子關系，通過預先構建的關系自薦網絡模型對所述事件進行可能性關系提取，獲得事件之間的候選事件關系；

根據所述事件及事件之間的候選事件關系，生成事件的知識圖；

所述根據預設的依賴關系，從所述候選句子中提取出多個事件，以使得每個所述事件保留對應候選句子的完整語義信息，具體包括：

提取所述候選句子中的動詞；

對每個所述動詞，采用所述預設的依賴關系來匹配所述動詞所在的候選句子對應的事件模式；

根據所述動詞所在的候選句子對應的事件模式，從所述候選句子中抽取出以所述動詞為中心的事件。

2.如權利要求1所述的用于事件預測的知識圖構建方法，其特征在于，所述預設的依賴關系包括多種事件模式，所述事件模式包括名詞、介詞、形容詞中一種或多種詞語與動詞、邊緣項之間的連接關系。

3.如權利要求1所述的用于事件預測的知識圖構建方法，其特征在于，所述對預先采集的語料進行預處理，從所述語料中抽取出多個候選句子，具體包括：

對所述語料進行自然語言處理，抽取出多個候選句子。

4.如權利要求2所述的用于事件預測的知識圖構建方法，其特征在于，所述對每個所述動詞，采用所述預設的依賴關系來匹配所述動詞所在的候選句子對應的事件模式，具體包括：

對所述預設的依賴關系中每種事件模式構建一一對應的代碼；

根據所述代碼，對所述動詞所在的候選句子進行句法分析，獲得所述動詞所在的候選句子對應的事件模式。

5.如權利要求1所述的用于事件預測的知識圖構建方法，其特征在于，所述從所述語料中抽取所述事件之間的種子關系，具體包括：

利用PDTB中定義的關系，對所述語料中的連接詞進行注釋；

根據注釋后的連接詞以及所述事件，對注釋后的語料進行全局統計，抽取出所述事件之間的種子關系。

6.如權利要求1所述的用于事件預測的知識圖構建方法，其特征在于，所述根據所述事件及事件之間的種子關系，通過預先構建的關系自薦網絡模型對所述事件進行可能性關系提取，獲得事件之間的候選事件關系，具體包括：

將種子關系N及其對應的兩個事件初始化為一個實例X；

利用所述實例X訓練預先構建的神經網絡分類器，獲得自動標記關系的關系自薦網絡模型以及兩個事件的可能性關系；

對所述可能性關系進行全局統計，并將置信度大于預設閾值的可能性關系添加到所述實例X中，重新輸入到所述關系自薦網絡模型進行訓練，獲得兩個事件之間的候選事件關系。

7.一種事件預測方法，其特征在于，包括：

對預先采集的語料進行預處理，從所述語料中抽取出多個候選句子；

根據預設的依賴關系，從所述候選句子中提取出多個事件，以使得每個所述事件保留對應候選句子的完整語義信息；

從所述語料中抽取所述事件之間的種子關系；

根據所述事件及事件之間的種子關系，通過預先構建的關系自薦網絡模型對所述事件進行可能性關系提取，獲得事件之間的候選事件關系；

根據所述事件及事件之間的候選事件關系，生成事件的知識圖；

對任意一個所述事件，通過所述知識圖進行事件推理，獲得任意一個所述事件的偶然事件；

所述根據預設的依賴關系，從所述候選句子中提取出多個事件，以使得每個所述事件保留對應候選句子的完整語義信息，具體包括：

提取所述候選句子中的動詞；

對每個所述動詞，采用所述預設的依賴關系來匹配所述動詞所在的候選句子對應的事件模式；

根據所述動詞所在的候選句子對應的事件模式，從所述候選句子中抽取出以所述動詞為中心的事件。