[發明專利]一種事件檢測方法和裝置

有效

• 申請號: 202010169229.3
• 申請日: 2020-03-12
• 公開（公告）號: CN111428511B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 徐猛;付驍弈
• 申請（專利權）人: 北京明略軟件系統有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06F16/35;G06N3/045;G06N3/049;G06N3/084
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 王康;龍洪

1.一種事件檢測方法，其特征在于，所述方法包括：

預先將觸發詞的類型劃分為x種，將事件主體的類型劃分為y種，其中，x、y均為正整數；

根據設定的span寬度，對語句進行span劃分，以將語句劃分為多個span，并對每個span進行標記；其中，每個標記表示x+y+1種類型中的任意一種，1表示所述觸發詞的類型和所述事件主體的類型以外的其他類型；

獲得語句的向量化語義表示W1；

對所述向量化語義表示W1進行span劃分，得到多個語義片段；

對多個語義片段進行平均池化，得到每個span的表示W2；

使用自注意力機制對獲得的每個span的表示W2進行計算，得到每個span的新的語義表示W3；

對所述新的語義表示W3進行span分類，包括：使用兩層全連接神經網絡和softmax層對每個span進行分類；

其中，在訓練階段，將分類結果與帶有標記的span進行誤差計算和反向傳播；

確定每個span是否為一個事件的觸發詞或事件主體。

2.根據權利要求1所述的事件檢測方法，其特征在于，所述獲得語句的向量化語義表示W1包括：通過雙向LSTM網絡模型或BERT模型獲得語句的向量化語義表示W1。

3.根據權利要求2所述的事件檢測方法，其特征在于，在通過雙向LSTM網絡獲得語句的向量化語義表示W1之前，所述方法還包括：

將語句中的m個字符隨機初始化為一個維度為[m，n]的n維向量D，其中，對于從0到m-1的索引id，每個id對應一個不同的字符；

對于長度為S的語句，該語句中每一個字符能夠在向量D中找到對應的id，從而獲得維度為[S，D]的向量。

4.根據權利要求3所述的事件檢測方法，其特征在于，通過雙向lstm網絡獲得語句的向量化語義表示W1包括：

將維度為[S，D]的向量輸入預設的雙向LSTM神經網絡，將所述雙向LSTM神經網絡的輸出作為語句的向量化語義表示W1。

5.根據權利要求2所述的事件檢測方法，其特征在于，通過BERT模型獲得語句的向量化語義表示W1包括：

將語句直接輸入所述BERT模型，將所述BERT模型的輸出作為語句的向量化語義表示W1。

6.根據權利要求4或5所述的事件檢測方法，其特征在于，所述向量化語義表示W1的維度為[S，D1]；

其中，當通過雙向LSTM網絡獲得語句的向量化語義表示W1時，D1為2*LSTM隱層節點數；當通過BERT模型獲得語句的向量化語義表示W1時，D1＝768。

7.根據權利要求1所述的事件檢測方法，其特征在于，所述對所述向量化語義表示W1進行span劃分，得到多個語義片段包括：

獲取設定的span的最大寬度max_span_width；

根據span的寬度從1到max_span_width依次在所述向量化語義表示W1上進行選取，獲得多個span的語義表示span_embedding。

8.一種事件檢測裝置，包括處理器和計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，其特征在于，當所述指令被所述處理器執行時，實現如權利要求1-7任意一項所述的事件檢測方法。