[發明專利]無觸發詞的警情筆錄數據事件類型識別方法

在審

• 申請號: 202011256331.3
• 申請日: 2020-11-11
• 公開（公告）號: CN112347783A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 謝松縣;彭立宏
• 申請（專利權）人: 湖南數定智能科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/211;G06F40/30;G06F16/35;G06N3/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 周達

1.無觸發詞的警情筆錄數據事件類型識別方法，其特征在于，包括以下步驟：

S1.大量收集警情案件處理過程的原始警情筆錄數據，以句子為單位，從原始警情筆錄數據中篩選出語義豐富的警情數據句子構成訓練數據集S，設訓練數據集中有M條警情數據句子；預定義k種實體標簽類型以及q種事件類型標簽；由專業人士對訓練數據集中的每條警情數據句子進行實體、事件類型的人工標簽標注；

S2.對訓練數據集的警情數據句子進行命名實體識別，得到各句子中每個字符對應的實體標簽，建立實體標簽與字符的對照表，將各句子中的對應實體用對應的字符替代，得到處理后的警情數據句子；

S3.構建事件類型識別模型，確定損失函數，利用S2中得到的處理后的警情數據句子進行模型訓練，得到訓練好的事件類型識別模型；

S4.將待處理的警情數據句子進行命名實體識別，得到句子中每個字符對應的實體標簽，根據實體標簽與字符的對照表將句子中的對應實體用對應的字符替代，得到處理后的警情數據句子并將其輸入到訓練好的事件類型識別模型，得到警情數據句子觸發的事件類型。

2.根據權利要求1所述的無觸發詞的警情筆錄數據事件類型識別方法，其特征在于：S2的實現方法包括：

S2.1將警情數據句子中每個字符進行向量化表示；

S2.2將警情數據句子中每個字符對應的向量化表示輸入到雙向LSTM層，得到每個字符對于k種實體標簽的狀態向量，構成警情數據句子的狀態矩陣Z；

S2.3將警情數據句子的狀態矩陣Z通過線性CRF進行命名實體識別，得到警情數據句子對應的預測實體標簽序列；

S2.4建立實體標簽與字符的對照表，根據實體標簽與字符的對照表以及預測實體標簽序列，將警情數據句子中的對應實體用對應的字符替代，得到處理后的警情數據句子。

3.根據權利要求2所述的無觸發詞的警情筆錄數據事件類型識別方法，其特征在于：S2.1中，警情數據句子用X＝{x₁，x₂，…，x_n}表示，其中x_i表示警情數據句子中的字符，n是警情數據句子的長度；將警情數據句子對應的X輸入至預訓練語言模型BERT，通過預訓練語言模型BERT得到警情數據句子中每個字符對應的向量化表示。

4.根據權利要求2所述的無觸發詞的警情筆錄數據事件類型識別方法，其特征在于：S2.3中，將命名實體識別任務描述為一個實體標簽序列標注問題，使用BIEO標注編碼方案對警情數據句子進行實體標簽序列標注，得到警情數據句子對應的預測實體標簽序列。

5.根據權利要求4所述的無觸發詞的警情筆錄數據事件類型識別方法，其特征在于：S2.3中，使用條件隨機場模型來計算警情數據句子的狀態矩陣Z中符合BIEO標注編碼規則并且路徑得分最大的路徑，路徑得分最大的路徑所對應的實體標簽序列作為Z的預測實體標簽序列。