[發明專利]一種事件抽取方法、系統、存儲介質以及設備

在審

• 申請號: 202010952877.6
• 申請日: 2020-09-11
• 公開（公告）號: CN112084381A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 江疆;錢正浩;蔣道環;鄭杰生;高尚;吳廣財;劉文彬;鄭穎龍;周昉昉;曾紀鈞
• 申請（專利權）人: 廣東電網有限責任公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F40/126;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊小紅

1.一種事件抽取方法，其特征在于，所述方法適用于預先訓練好的BERT序列標注模型以及預先訓練好的Argument Span模型，所述方法包括以下步驟：

S1：獲取文本中的待匹配字符串，基于匹配法對文本中的待匹配字符串進行匹配處理，得到候選事件元素；其中，匹配法為模式匹配法或字符串匹配法；

S2：對經過匹配處理的字符串進行預處理，將經過預處理的字符串輸入到訓練好的BERT序列標注模型中，得到候選事件元素的觸發詞以及觸發詞的特征；將候選事件元素的觸發詞以及觸發詞的特征輸入到訓練好的Argument Span模型中，得到事件元素；

S3：將觸發詞和事件元素進行組合，形成一個完整事件。

2.根據權利要求1所述的一種事件抽取方法，其特征在于，模式匹配法基于正則表達式從待匹配字符串中匹配出候選事件元素；字符串匹配法基于AC自動機從待匹配字符串中匹配出候選事件元素。

3.根據權利要求2所述的一種事件抽取方法，其特征在于，AC自動機根據預先設置的字符串匹配規則生成。

4.根據權利要求3所述的一種事件抽取方法，其特征在于，在AC自動機中為字符串匹配規則分配權重，AC自動機在匹配過程中優先選擇權重最大的字符串匹配規則進行匹配。

5.根據權利要求4所述的一種事件抽取方法，其特征在于，訓練好的BERT序列標注模型以BIO格式輸出每一個觸發詞，其中B代表觸發詞中的起始字符，I代表觸發詞的中間字符，O表示該字符不在詞匯中。

6.根據權利要求1所述的一種事件抽取方法，其特征在于，BERT序列標注模型由嵌入層、編碼層、輸出層組成；其中，嵌入層包括子詞嵌入層、位置嵌入層和分割嵌入層，編碼層為BertEncoder，輸出層為全連接層。

7.根據權利要求1所述的一種事件抽取方法，其特征在于，觸發詞的特征為觸發詞的位置。

8.一種事件抽取系統，其特征在于，包括字符串匹配模塊、字符串預處理模塊、BERT序列標注模型模塊、Argument Span模型模塊以及事件組合模塊；

字符串匹配模塊用于獲取文本中的待匹配字符串，基于匹配法對文本中的待匹配字符串進行匹配處理，得到候選事件元素；其中，匹配法為模式匹配法或字符串匹配法；

字符串預處理模塊用于對經過匹配處理的字符串進行預處理；

BERT序列標注模型模塊用于對BERT序列標注模型模塊進行訓練，得到訓練好的BERT序列標注模型模塊；將經過預處理的字符串輸入到訓練好的BERT序列標注模型中，得到候選事件元素的觸發詞以及觸發詞的特征；

Argument Span模型模塊用于對Argument Span模型進行訓練，得到訓練好的ArgumentSpan模型；將候選事件元素的觸發詞以及觸發詞的特征輸入到訓練好的Argument Span模型中，得到事件元素；

事件組合模塊用于將觸發詞和事件元素進行組合，形成一個完整事件。

9.一種存儲介質，其上存儲有計算機程序指令，其特征在于，該計算機程序指令被處理器執行時實現權利要求1至7中任一項所述一種事件抽取方法的步驟。

10.一種設備，其特征在于，包括處理器以及存儲器；

所述存儲器用于存儲程序代碼，并將所述程序代碼傳輸給所述處理器；

所述處理器用于根據所述程序代碼中的指令執行權利要求1～7任一項所述的一種事件抽取方法。