[發明專利]基于顯式事件結構知識增強的事件檢測方法及終端設備

有效

• 申請號: 202110461202.6
• 申請日: 2021-04-27
• 公開（公告）號: CN113111184B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 鄭海濤;張奕麟;李自然
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06N3/04
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

1.一種基于顯式事件結構知識增強的事件檢測方法，其特征在于，包括如下步驟：

S1：根據包括事件類型、事件觸發詞、事件論元角色和事件中的核心元素的事件結構構建事件背景知識圖，實現對事件結構顯式地構建事件檢測模型；

S2：將所述事件背景知識圖中的事件結構的知識與輸入句子進行動態知識匹配，構建屬于所述輸入句子的包含高度相關的事件背景知識的子圖；

S3：對所述子圖進行過濾和編碼，并通過圖卷積計算得到包含事件結構的知識的信息的圖表示；

S4：將所述包含事件結構的知識的信息的圖表示輸入事件檢測分類器中，確定事件觸發詞的類別，并根據事件觸發詞的類別確定所述輸入句子對應的事件類型；

所述事件背景知識圖的構建步驟包括：

S1.1：將事件觸發詞和事件論元的文字作為所述事件背景知識圖的文本節點，將事件觸發詞和事件論元角色的注釋標簽作為知識節點；

S1.2：將各文本節點和知識節點分別進行連接，分別對事件觸發詞、事件論元和事件注釋之間的關系，文本之間的關系，事件中的核心元素之間的關系，進行事件檢測模型的構建；

各文本節點和知識節點的連接方式包括：

根據事件結構將對應的文本節點與知識節點進行縱向連接；

將事件觸發詞的文本節點與事件論元的文本節點進行文本橫向連接；

將事件觸發詞的知識節點與同一事件內的其他論元角色的知識節點進行知識橫向連接；

所述動態知識匹配的步驟包括：

S2.1：將所述事件背景知識圖中事件觸發詞相關的背景知識與所述輸入句子中的潛在事件觸發詞進行匹配；計算所述潛在事件觸發詞與所述事件背景知識圖中事件觸發詞文本節點之間的事件觸發詞語義相似度得分；

S2.2：選擇所述事件觸發詞語義相似度得分最高的前k個潛在事件觸發詞作為候選事件觸發詞，并將所述候選事件觸發詞的文本節點所匹配的知識節點的事件類型作為輸入句子的候選事件類型；

S2.3：將輸入句子中的潛在事件論元與所述事件背景知識圖中的事件論元文本節點進行匹配；計算出所述潛在事件論元與所述事件背景知識圖中事件論元文本節點之間的事件論元語義相似度得分；

S2.4：選擇所述事件論元語義相似度得分最高的前k個潛在事件論元，基于所述S2.2獲得的所述候選事件類型，選擇屬于所述候選事件類型的事件論元角色作為輸入句子中所述事件論元的知識節點；

S2.5：采用所述S1.1-S1.2的方法構建所述輸入句子的子圖。

2.如權利要求1所述的基于顯式事件結構知識增強的事件檢測方法，其特征在于，所述事件觸發詞語義相似度得分的計算公式為：

sim_trg(w_ti，t_nj)＝cosine(E(w_ti)，E(t_nj))

其中，w_ti表示輸入句子中的一個潛在事件觸發詞，t_nj表示事件背景知識圖中存在的與潛在事件觸發詞相同的事件觸發詞文本節點，cosine表示余弦相似度計算，E表示通過ELMo模型獲取的詞嵌入；

當所述潛在事件觸發詞未存在于所述事件背景知識圖中時，所述事件觸發詞語義相似度得分的計算公式為：

sim_trg(w_ti，t_nj)＝α*cosine(E(w_ti)，E(t_nj))+(1-α)*cosine(E(s_t)，E(s_tn))

其中α是人工設置的可調權重，s_t和s_tn是輸入句子中詞語的ELMO嵌入的平均值。