[發明專利]事件信息的抽取方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110460751.1
• 申請日: 2021-04-27
• 公開（公告）號: CN113157949A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 馬躍
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/383
• 分類號: G06F16/383;G06F16/387;G06F16/35;G06N3/08
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;曹勇

本申請涉及人工智能技術領域，公開了一種事件信息的抽取方法，包括：獲取目標事件對應的文本信息；將所述文本信息輸入到序列標注模型中進行分析，其中，所述序列標注模型用于抽取所述文本信息中的通用事件元素；將所述文本信息輸入到閱讀理解模型中進行分析，其中，所述閱讀理解模型用于抽取所述文本信息中的特殊事件元素；根據所述序列標注模型輸出的所述通用事件元素和所述閱讀理解模型輸出的所述特殊事件元素，生成所述目標事件對應的事件信息。本申請還涉及區塊鏈技術。本申請還公開了一種事件信息的抽取裝置、計算機設備以及計算機可讀存儲介質。本申請提高了抽取文本信息中的特殊事件信息的準確率。

技術領域

本申請涉及人工智能領域，尤其涉及一種事件信息的抽取方法、事件信息的抽取裝置、計算機設備以及計算機可讀存儲介質。

背景技術

事件信息抽取是常見的一種自然語言處理任務，其目的是根據預定義的事件元素，對輸入的文本進行檢測，抽取相關的內容。在現有的事件信息抽取方法中，一般是使用序列標注的方法來訓練事件抽取模塊，但此類方法需要依賴于大量的標注數據，因此對本身事件樣本數較少的特殊事件，難以采用該方法訓練得到識別率高的事件抽取模型。

上述內容僅用于輔助理解本申請的技術方案，并不代表承認上述內容是現有技術。

發明內容

本申請的主要目的在于提供一種事件信息的抽取方法、事件信息的抽取裝置、計算機設備以及計算機可讀存儲介質，旨在解決如何得到識別率高的可用于進行特殊事件抽取的事件抽取模型，以提高抽取文本信息中的特殊事件信息的準確率的問題。

為實現上述目的，本申請提供一種事件信息的抽取方法，包括以下步驟：

獲取目標事件對應的文本信息；

將所述文本信息輸入到序列標注模型中進行分析，其中，所述序列標注模型用于抽取所述文本信息中的通用事件元素；所述序列標注模型預先基于多個通用事件樣本，以及所述通用事件樣本對應的通用事件元素訓練得到；所述通用事件元素包括主語、賓語、時間、地點、數量和金額中的至少一個；以及，

將所述文本信息輸入到閱讀理解模型中進行分析，其中，所述閱讀理解模型用于抽取所述文本信息中的特殊事件元素；所述特殊事件元素為除所述通用事件元素外的事件元素；所述閱讀理解模型預先基于閱讀理解數據集構建；

根據所述序列標注模型輸出的所述通用事件元素和所述閱讀理解模型輸出的所述特殊事件元素，生成所述目標事件對應的事件信息。

進一步地，所述獲取目標事件對應的文本信息的步驟之前，還包括：

利用所述閱讀理解數據集構建所述閱讀理解模型，并利用所述目標事件對應的特殊事件樣本對所述閱讀理解模型進行訓練。

進一步地，所述利用所述閱讀理解數據集構建所述閱讀理解模型，并利用所述目標事件對應的特殊事件樣本對所述閱讀理解模型進行訓練的步驟包括：

利用所述閱讀理解數據集分別構建各個類型的所述目標事件對應的閱讀理解模型；

根據各個類型的所述目標事件對應的特殊事件樣本，對各個類型的所述目標事件對應的閱讀理解模型進行訓練；

其中，所述將所述文本信息輸入到閱讀理解模型中進行分析的步驟包括：

根據所述文本信息對應的目標事件的類型，確定所述類型對應的所述閱讀理解模型；

將所述文本信息輸入到確定得到的所述閱讀理解模型中進行分析。

進一步地，所述根據所述序列標注模型輸出的所述通用事件元素和所述閱讀理解模型輸出的所述特殊事件元素，生成所述目標事件對應的事件信息的步驟之后，還包括：

根據所述特殊事件元素和所述文本信息，生成新的所述特殊事件樣本；