[發明專利]事件意圖推理方法、裝置、設備及存儲介質

有效

• 申請號: 202011460065.6
• 申請日: 2020-12-11
• 公開（公告）號: CN112488316B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 柳林;吳飛;張浩宇;方四安;徐承
• 申請（專利權）人: 合肥訊飛數碼科技有限公司
• 主分類號: G06N5/04
• 分類號: G06N5/04;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 付麗

1.一種事件意圖推理方法，其特征在于，包括：

獲取當前發生事件的事件信息，所述事件信息包括了對當前發生事件的描述；

以預訓練的分類神經網絡模型對所述事件信息進行模糊化處理，得到模糊化結果；

采用模糊規則對所述模糊化結果進行組合及推理，得到模糊推理結果；

對所述模糊推理結果進行去模糊化處理，得到所述當前發生事件的事件意圖；

所述以預訓練的分類神經網絡模型對所述事件信息進行模糊化處理，包括：

獲取所述事件信息的文本特征，所述文本特征由n維向量(x₁,x₂,...x_n)組成；

將所述文本特征對應的n維向量(x₁,x₂,...x_n)，展開成n個數據；

通過分類神經網絡模型的權值矩陣W^m*n對展開后的n個數據進行矩陣點積運算，得到n個輸出向量作為模糊化結果，其中每一輸出向量為m維向量，對應m個類別標簽的歸屬程度。

2.根據權利要求1所述的方法，其特征在于，對所述事件信息進行模糊化處理、對模糊化結果進行組合及推理，以及去模糊化處理的過程，包括：

將所述事件信息輸入預訓練的模糊神經網絡意圖推理模型，得到模型預測的所述當前發生事件的事件意圖；其中，

所述模糊神經網絡意圖推理模型的模糊化層以預訓練的分類神經網絡模型對所述事件信息進行模糊化處理，模糊推理層采用模糊規則對模糊化結果進行組合及推理，得到模糊推理結果，去模糊化層對所述模糊推理結果進行去模糊化處理，得到預測的事件意圖。

3.根據權利要求1所述的方法，其特征在于，所述采用模糊規則對所述模糊化結果進行組合及推理，包括：

采用模糊規則對所述n個輸出向量進行組合及推理，其中，

所述模糊規則的數量，與所述文本特征對應的n維向量中n個維度聚類后的聚類中心的個數相同。

4.根據權利要求1所述的方法，其特征在于，還包括：

獲取基于歷史事件數據所建立的事件關聯圖譜，所述事件關聯圖譜中點表示事件，點之間的有向邊表示事件的關聯關系，有向邊上的權重表示關聯關系在歷史事件數據中的出現頻率；

基于所述事件關聯圖譜，確定所述當前發生事件之后可能發生的推理事件，并基于所述推理事件的事件類型，確定所述當前發生事件的事件意圖；

結合基于所述推理事件所確定的當前發生事件的事件意圖，以及基于所述去模糊化處理后得到的當前發生事件的事件意圖，確定所述當前發生事件最終的事件意圖。

5.根據權利要求4所述的方法，其特征在于，所述基于所述事件關聯圖譜，確定所述當前發生事件之后可能發生的推理事件，包括：

獲取基于所述事件關聯圖譜所訓練的事件推理預測模型，所述事件推理預測模型被配置為基于輸入的事件對，預測事件對之間的相關度的狀態表示；

基于所述事件關聯圖譜，確定所述當前發生事件對應的候選事件，所述候選事件為當前發生事件之后可能發生的事件；

將每一所述候選事件與所述當前發生事件分別組成事件對，輸入所述事件推理預測模型，得到模型輸出的每一所述候選事件與所述當前發生事件之間的相關度；

基于所述相關度，從各所述候選事件中確定推理事件。

6.根據權利要求5所述的方法，其特征在于，所述基于所述事件關聯圖譜，確定所述當前發生事件對應的候選事件，包括：

在所述事件關聯圖譜中確定所述當前發生事件對應的目標點；

以所述目標點為中心，按照設定查找距離查找由所述目標點直接或間接指向的點，由查找到的點對應的事件組成候選事件。