[發(fā)明專利]一種事件檢測方法和裝置

有效

• 申請?zhí)枺?/td>: 202010169229.3
• 申請日: 2020-03-12
• 公開（公告）號: CN111428511B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設計）人: 徐猛;付驍弈
• 申請（專利權(quán)）人: 北京明略軟件系統(tǒng)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(chǎn)權(quán)代理有限公司 11262
• 代理人: 王康;龍洪

本申請公開了一種事件檢測方法和裝置，包括：獲得語句的向量化語義表示W(wǎng)1；對向量化語義表示W(wǎng)1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W(wǎng)2；使用自注意力機制對獲得的每個span的表示W(wǎng)2進行計算，得到每個span的新的語義表示W(wǎng)3；對新的語義表示W(wǎng)3進行span分類，確定每個span是否為一個事件的觸發(fā)詞或事件主體。通過該實施例方案，能夠獲取更加有用的信息，具有較強的實際應用價值；不使用現(xiàn)有的自然語言處理工具，操作簡單，避免了因使用自然語言處理工具而導致的誤差累積的問題，通過劃分span的方式完美解決了序列標注存在的問題，效率更高，適用性更強。

技術(shù)領(lǐng)域

本文涉及事件數(shù)據(jù)處理技術(shù)，尤指一種事件檢測方法和裝置。

背景技術(shù)

互聯(lián)網(wǎng)上每天都會產(chǎn)生大量的新聞數(shù)據(jù)，描述許多已經(jīng)發(fā)生的事件。但由于事件種類繁多，無法快速而且準確地分辨事件的類型以及事件中的主體。

對發(fā)生的公共事件或者特定行業(yè)內(nèi)所發(fā)生的事件進行區(qū)分和主體識別，不僅有助于實時把握事件的發(fā)展趨勢以及整個行業(yè)的發(fā)展方向，也可輔助高層決策，降低風險，具有重要的實際應用價值和研究意義。

現(xiàn)有進行事件檢測的方法大都輔助使用已有的自然語言處理工具，但是在實際應用中并不能通過這些工具預先處理好。

事件的類型往往可以從一些關(guān)鍵詞中獲取，比如”槍殺”，“襲擊”等，這類詞就被稱為觸發(fā)詞。因此快速準確地識別出這些觸發(fā)詞就極其重要。

現(xiàn)有的識別方法：[1]基于圖神經(jīng)網(wǎng)絡的模型；[2]基于深度學習、注意力機制、序列標注的模型等。

現(xiàn)有方法存在以下缺點：

1、現(xiàn)有方法只進行事件類型檢測即事件觸發(fā)詞，并沒有進行事件主體抽取，任務單一，不具備較強的實際應用價值。

2、現(xiàn)有方法大都使用特定的自然語言處理工具，如Jieba,ltp,standfordNLP等首先對句子進行分詞，建立依存樹，然后再將這些特征輸入模型。缺點在于：首先處理繁瑣，其次這些工具在處理的過程中本身具有一定的誤差，因此在后續(xù)建模分析的過程中會存在誤差累積的問題。

3、基于序列標注的一系列模型很難解決事件主體存在交叉的情況，比如“北京的法院”為一個事件主體(機構(gòu))，但是“北京”本身也是一種主體/實體(地名)。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N事件檢測方法和裝置，能夠獲取更加有用的信息，具有較強的實際應用價值；在數(shù)據(jù)處理和建模的過程中操作簡單，避免了因使用自然語言處理工具而導致的誤差累積的問題；通過劃分span的方式，完美解決了序列標注存在的問題，效率更高，適用性更強。

本申請?zhí)峁┝艘环N事件檢測方法，所述方法可以包括：

獲得語句的向量化語義表示W(wǎng)1；

對所述向量化語義表示W(wǎng)1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W(wǎng)2；

使用自注意力機制對獲得的每個span的表示W(wǎng)2進行計算，得到每個span的新的語義表示W(wǎng)3；

對所述新的語義表示W(wǎng)3進行span分類，確定每個span是否為一個事件的觸發(fā)詞或事件主體。

在本申請的示例性實施例中，所述獲得語句的向量化語義表示W(wǎng)1可以包括：通過雙向LSTM網(wǎng)絡模型或BERT模型獲得語句的向量化語義表示W(wǎng)1。

在本申請的示例性實施例中，在通過雙向LSTM網(wǎng)絡獲得語句的向量化語義表示W(wǎng)1之前，所述方法還可以包括：