[發(fā)明專(zhuān)利]目標(biāo)信息的獲取方法、裝置和服務(wù)器

在審

• 申請(qǐng)?zhí)枺?/td>: 202110493701.3
• 申請(qǐng)日: 2021-05-07
• 公開(kāi)（公告）號(hào): CN113076735A
• 公開(kāi)（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 李冰;朱義毅;林振溪;屠方軔
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類(lèi)號(hào): G06F40/194
• 分類(lèi)號(hào): G06F40/194;G06F40/211;G06F40/216;G06F40/253;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 任默聞;王濤

1.一種目標(biāo)信息的獲取方法，其特征在于，包括：

獲取與目標(biāo)人物相關(guān)的目標(biāo)事件語(yǔ)句，以及目標(biāo)事件語(yǔ)句的句子向量；

獲取待處理的第一語(yǔ)料文本；并將所述第一語(yǔ)料文本拆分為多個(gè)文本語(yǔ)句；其中，所述文本語(yǔ)句包含有多個(gè)詞素；

從多個(gè)文本語(yǔ)句中篩選出基于事件維度的貢獻(xiàn)度符合要求的文本語(yǔ)句作為關(guān)鍵文本語(yǔ)句；并確定出關(guān)鍵文本語(yǔ)句的句子向量；

根據(jù)預(yù)設(shè)的計(jì)算規(guī)則，計(jì)算所述關(guān)鍵文本語(yǔ)句的句子向量與目標(biāo)事件語(yǔ)句的句子向量之間基于事件維度的相似度參數(shù)；

根據(jù)所述相似度參數(shù)，確定所述第一語(yǔ)料文本是否屬于基于事件維度與目標(biāo)事件語(yǔ)句關(guān)聯(lián)的目標(biāo)文本；

在確定所述第一語(yǔ)料文本屬于目標(biāo)文本的情況下，根據(jù)所述關(guān)鍵文本語(yǔ)句，從所述第一語(yǔ)料文本中提取出基于事件維度的與目標(biāo)事件語(yǔ)句關(guān)聯(lián)的目標(biāo)信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一語(yǔ)料文本包括多個(gè)語(yǔ)料文本；相應(yīng)的，所述目標(biāo)信息包括多個(gè)目標(biāo)信息。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在生成基于事件維度的與目標(biāo)事件語(yǔ)句關(guān)聯(lián)的目標(biāo)信息之后，所述方法還包括：

組合所述目標(biāo)事件語(yǔ)句，以及多個(gè)目標(biāo)信息，以生成用于表征目標(biāo)事件的事件進(jìn)展情況的目標(biāo)事件圖譜。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在將所述第一語(yǔ)料文本中拆分為多個(gè)文本語(yǔ)句之后，所述方法還包括：

調(diào)用預(yù)設(shè)的依存句法分析器分別處理各個(gè)文本語(yǔ)句所包含的多個(gè)詞素，以確定出文本語(yǔ)句中詞素的詞性，以及同一個(gè)文本語(yǔ)句中不同詞素之間的語(yǔ)法關(guān)系；

根據(jù)文本語(yǔ)句中詞素的詞性，以及同一個(gè)文本語(yǔ)句中不同詞素之間的語(yǔ)法關(guān)系，確定出文本語(yǔ)句中的無(wú)意義詞素；

通過(guò)過(guò)濾文本語(yǔ)句中的無(wú)意義詞素，對(duì)文本語(yǔ)句進(jìn)行預(yù)處理。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，從多個(gè)文本語(yǔ)句中篩選出基于事件維度的貢獻(xiàn)度符合要求的文本語(yǔ)句作為關(guān)鍵文本語(yǔ)句，包括：

調(diào)用預(yù)設(shè)的語(yǔ)義識(shí)別模型分別處理多個(gè)文本語(yǔ)句，并通過(guò)預(yù)設(shè)的語(yǔ)義識(shí)別模型導(dǎo)出在處理多個(gè)文本語(yǔ)句的過(guò)程中所生成的多個(gè)文本語(yǔ)句的語(yǔ)義特征向量；

調(diào)用預(yù)設(shè)的語(yǔ)義識(shí)別模型處理目標(biāo)事件語(yǔ)句，并通過(guò)預(yù)設(shè)的語(yǔ)義識(shí)別模型導(dǎo)出在處理目標(biāo)事件語(yǔ)句的過(guò)程中所生成的目標(biāo)事件語(yǔ)句的語(yǔ)義特征向量；

計(jì)算文本語(yǔ)句的語(yǔ)義特征向量與目標(biāo)事件語(yǔ)句的語(yǔ)義特征向量之間的向量距離；

根據(jù)所述向量距離，從多個(gè)文本語(yǔ)句中篩選出基于事件維度的貢獻(xiàn)度符合要求的文本語(yǔ)句作為關(guān)鍵文本語(yǔ)句。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，確定出關(guān)鍵文本語(yǔ)句的句子向量，包括：

利用預(yù)設(shè)的word2vec模型處理所述關(guān)鍵文本語(yǔ)句中的多個(gè)詞素，得到對(duì)應(yīng)的多個(gè)詞向量；

根據(jù)基于WordAvg的組合規(guī)則，組合所述多個(gè)詞向量，得到關(guān)鍵文本語(yǔ)句的句子向量。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)預(yù)設(shè)的計(jì)算規(guī)則，計(jì)算所述關(guān)鍵文本語(yǔ)句的句子向量與目標(biāo)事件語(yǔ)句的句子向量之間基于事件維度的相似度參數(shù)，包括：

根據(jù)預(yù)設(shè)的計(jì)算規(guī)則，去除關(guān)鍵文本語(yǔ)句的句子向量中的第一類(lèi)詞素的詞向量和第二類(lèi)詞素的詞向量，得到處理后的句子向量；其中，所述第一類(lèi)詞素為表征人物的詞素；所述第二類(lèi)詞素為表征地點(diǎn)的詞素；

根據(jù)處理后的句子向量和目標(biāo)事件語(yǔ)句的句子向量，通過(guò)進(jìn)行多維余弦計(jì)算，得到對(duì)應(yīng)的余弦值，作為所述關(guān)鍵文本語(yǔ)句和目標(biāo)事件語(yǔ)句基于事件維度的相似度參數(shù)。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，根據(jù)所述關(guān)鍵文本語(yǔ)句，從第一語(yǔ)料文本中提取出基于事件維度的與目標(biāo)事件語(yǔ)句關(guān)聯(lián)的目標(biāo)信息，包括：

確定出第一語(yǔ)料文本中的第一類(lèi)詞素和第二類(lèi)詞素；

統(tǒng)計(jì)第一語(yǔ)料文本中各個(gè)第一類(lèi)詞素的出現(xiàn)頻率、各個(gè)第二類(lèi)詞素的出現(xiàn)頻率；

篩選出出現(xiàn)頻率最大的第一類(lèi)詞素作為第一關(guān)鍵詞素；篩選出出現(xiàn)頻率最大的第二類(lèi)詞素作為第二關(guān)鍵詞素；

根據(jù)預(yù)設(shè)的拼接規(guī)則，將所述關(guān)鍵文本語(yǔ)句、所述第一關(guān)鍵詞素、所述第二關(guān)鍵詞素進(jìn)行拼接處理，以得到所述目標(biāo)信息。