[發明專利]一種中文事件的檢測方法和系統

有效

• 申請號: 201911366648.X
• 申請日: 2019-12-26
• 公開（公告）號: CN111222330B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 談元鵬;宋磊;李思;徐會芳;彭國政;張銳;劉劍青;王凱;王明軒;朱明陽;藍海波;李晶;陸樹棟;王新迎;喬驥;張玉天;趙紫璇;王芳
• 申請（專利權）人: 中國電力科學研究院有限公司;國網冀北電力有限公司;北京郵電大學;國家電網有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06N3/04
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種中文事件的檢測方法，其特征在于，包括：

將待檢測文本轉換成字符向量序列和詞向量序列；

將所述字符向量序列和詞向量序列輸入預先建立的中文事件檢測模型，得到所述待檢測文本的觸發詞以及對應的事件類型；

所述中文事件檢測模型考慮了事件類型間共現關系；

所述中文事件檢測模型的建立，包括：

基于具有確定觸發詞和事件類型的文本構建訓練集；

構建基礎模型，采用訓練集對所述基礎模型進行訓練，得到訓練集文本中的觸發詞和各字符對應的初步事件類型特征和初步事件類型概率分布；

在基礎模型上構建用于建模事件類型間共現關系的共現關系層，將所述基礎模型中得到的各個字符對應的初步事件類型特征和初步事件類型概率分布作為所述共現關系層的輸入，計算各個字符對應的考慮事件類型間共現關系的事件類型特征；

在共現關系層上構建分類層，將所述共現關系層得到的各個字符對應的考慮事件類型間共現關系的事件類型特征作為輸入，計算各個字符對應的考慮事件類型間共現關系的事件類型概率分布，事件類型結果取概率最高的事件類型；所述分類層包括一層全連接層和激活函數層；將所述基礎模型中得到的各個字符對應的初步事件類型特征和初步事件類型概率分布作為所述共現關系層的輸入，計算各個字符對應的考慮事件類型間共現關系的事件類型特征，包括：

基于待檢測字符對應的初步事件類型特征與其它各個字符對應的初步事件類型概率分布，依次計算待檢測字符與其它各個字符對應的初步事件類型特征間的相關度打分；

基于所述待檢測字符與其它各個字符對應的初步事件類型特征間的相關度打分，依次計算待檢測字符與其它各個字符對應的初步事件類型特征間的相關度權重；

基于所述待檢測字符與其它各個字符對應的初步事件類型特征間的相關度權重和其它各個字符對應的初步事件類型特征，計算待檢測字符對應的共現關系特征；

基于所述待檢測字符對應的共現關系特征和待檢測字符對應的初步事件類型特征，計算待檢測字符考慮共現關系的事件類型特征。

2.如權利要求1所述的方法，其特征在于，所述將待檢測文本轉換成字符向量序列和詞向量序列，包括：

采用中文分詞工具將待檢測文本轉換成字符序列和詞序列；

基于字符向量表和詞向量表，將所述字符序列和詞序列轉化成字符向量序列和詞向量序列。

3.如權利要求1所述的方法，其特征在于，所述中文事件檢測模型的建立，還包括：

基于分類層預測的事件類型概率分布與真實的事件類型概率分布得到模型訓練的交叉熵損失函數；

求解交叉熵損失函數的反向梯度，根據學習率對共現關系層及分類層中的參數進行更新。

4.如權利要求1所述的方法，其特征在于，所述基于待檢測字符對應的初步事件類型特征與其它各個字符對應的初步事件類型概率分布，依次計算待檢測字符與其它各個字符對應的初步事件類型特征間的相關度打分，計算公式如下：

其中，為待檢測字符對應的初步事件類型特征，為第j個字符對應的初步事件類型概率分布，W_A為可訓練參數，s_cj為待檢測字符與第j個字符對應的初步事件類型特征間的相關度打分。

5.如權利要求1所述的方法，其特征在于，所述基于所述待檢測字符與其它各個字符對應的初步事件類型特征間的相關度打分，依次計算待檢測字符與其它各個字符對應的初步事件類型特征間的相關度權重，計算公式如下：

其中，s_cj為待檢測字符與第j個字符對應的初步事件類型特征間的相關度打分，a_cj為待檢測字符與第j個字符對應的初步事件類型特征間的相關度權重。

6.如權利要求1所述的方法，其特征在于，所述基于所述待檢測字符與其它各個字符對應的初步事件類型特征間的相關度權重和其它各個字符對應的初步事件類型特征，計算待檢測字符對應的共現關系特征，計算公式如下：

其中，a_cj為待檢測字符與第j個字符對應的初步事件類型特征間的相關度權重，表示第j個字符對應的初步事件類型特征，為待檢測字符對應的共現關系特征。