[發明專利]一種事件抽取方法和裝置

有效

• 申請號: 202010187298.7
• 申請日: 2020-03-17
• 公開（公告）號: CN111428504B
• 公開（公告）日: 2023-04-28
• 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: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F16/35;G06N3/045;G06N3/0442
• 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

1.一種事件抽取方法，其特征在于，所述方法包括：

預先將觸發詞類型劃分為x種，將實體類型劃分為y種，將事件論元類型劃分為z種，將所述觸發詞類型、所述實體類型以及所述事件論元類型以外的類型作為其他類型other；其中，x、y、z均為正整數；

在獲得語句的向量化語義表示W1之前，進行以下任意一種或多種操作：

在語句中設置一個或多個token；每一個token用于標記當前詞語是否為所述觸發詞類型；每個token表示x種類型中的任意一種；

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，以確定當前span是否屬于實體類型；每個標記表示y種類型中的任意一種；

對標記的每一個token和span進行兩兩結合，并標記結合后的token和span是否為(觸發詞-論元)對；

獲得語句的向量化語義表示W1；

根據所述向量化語義表示W1中設置的token進行觸發詞識別；

根據所述向量化語義表示W1進行span的劃分獲得的相應的span語義表示進行實體識別，包括：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W3；將每個span的表示W3作為輸入，使用兩層全連接神經網絡和softmax層對每個span進行分類，輸出維度為[N,y+1]的向量W4，向量W4表示每個span屬于每一類型實體的概率；

其中，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；對多個語義片段進行平均池化，得到每個span的表示W3，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N個span的語義表示span_embedding；對N個span的語義表示span_embedding進行平均池化，得到每個span的表示W3；

對每一個token和span進行兩兩結合，并標記結合后的token和span是否為(觸發詞-論元)對。

2.根據權利要求1所述的事件抽取方法，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所述的事件抽取方法，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a個字符隨機初始化為一個維度為[a，b]的b維向量D，其中，對于從0到a-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；

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；

其中，所述向量化語義表示W1的維度為[S，D1]；D1為2*LSTM隱層節點數。

4.根據權利要求2所述的事件抽取方法，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；

其中，所述向量化語義表示W1的維度為[S，D1]；D1＝768。

5.根據權利要求1所述的事件抽取方法，其特征在于，所述根據所述向量化語義表示W1中設置的token進行觸發詞識別包括：

通過兩層全連接神經網絡和softmax層對每個token進行分類，獲得維度為[S,x+1]的向量W2，向量W2表示每個token屬于每一類型觸發詞的概率。