[發明專利]一種基于異構事件圖的子事件關系識別方法

有效

• 申請號: 202110675339.1
• 申請日: 2021-06-18
• 公開（公告）號: CN113326352B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 丁效;秦兵;劉挺;吳婷婷
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/30;G06K9/62;G06N3/04
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 張雪

本發明公開一種基于異構事件圖的子事件關系識別方法，包括以下步驟：采集文本，提取文本中的事件，識別事件連接，基于事件和事件連接建立異構初始事件圖，轉換異構初始事件圖，構建異構事件圖；基于預訓練語言模型BERT，獲得異構事件圖中每個節點的節點表示，基于節點表示，獲得異構事件圖的輸入特征；對異構事件圖中每個節點創建混合跳鄰域集，進行信息傳播和聚合，獲得異構圖注意力機制模型；將待測事件對輸入異構圖注意力機制模型，預測待測事件對的子事件關系。本發明通過混合多種距離鄰居的特征表示，聚合來自不同類型的鄰居的信息，捕獲輸入事件對之間的潛在的上下位關系，提高利用異構事件圖預測子事件關系的準確性。

技術領域

本發明涉及子事件關系識別領域，特別是涉及一種基于異構事件圖的子事件關系識別方法。

背景技術

子事件識別任務-Subevent relation identification(SRI)是一項具有挑戰性的自然語言處理任務，具有文本理解和推理價值。

在理解事件的語義方面已經有了大量的工作，如事件提取、事件共指消解和事件預測。然而，學習事件復雜的內部邏輯結構仍然是一個具有挑戰性的問題，特別是推理兩個事件之間的子事件關系。該任務可以有利于各項自然語言處理下游應用，如事件知識補全、文本推理。

關于子事件關系推理，其具體的任務形式是：給定兩個事件e1和e2，SRI的目標是確定e1是e2的父/子事件，或者它們沒有子事件關系。以往的研究主要將這項任務視為一個多分類問題，并嚴重依賴于有限注釋語料庫上的勞動消耗的特征工程，這可能會限制他們模型的泛化能力和可解釋性。

子事件關系識別是NLP(自然語言處理)中的一項非常關鍵的任務，通過它，可以更好地理解事件的語義和事件之間復雜的內部結構。

以往的研究主要利用具有手工制作特征的多分類器來解決SRI問題。例如，提出一個具有大量特征工程的邏輯回歸模型來識別子事件關系，對上述兩項工作進一步提出了新的特征和改進。Ge等人提出了一個基于鏈接的分類模型，它使用各種本地上下文特征來描述鏈接，比如鏈接周圍提到的事件的上下文單詞。

這些結果在很大程度上依賴于人類的經驗，并且只在一個給定的語料庫中構建特征。然而，在語料庫之外，有大量的證據信息可以幫助完成任務。遂可以基于給定的語料庫和外部知識構造了一個事件圖，并推理事件圖上的子事件關系。然而，圖表示學習仍然是一個具有挑戰性的問題。近期還提出了一系列的圖神經網絡用于對圖的推理，然而，在此任務中，事件圖是一個異構的圖。傳統的圖神經網絡模型不能直接應用于這種情況下，因為它們不區分不同的節點類型，只將所有節點特征與一跳或多跳相鄰節點聚合。

最近的一些研究已經使用異構圖神經網絡模型來解決具體的問題。此外還有些工作通過預定義的元路徑將異構圖轉換為幾個同構子網絡，然后應用圖注意力機制網絡模型來學習節點嵌入。但是，現有的異構圖神經網絡模型并未對邊上的語義進行建模，而捕獲邊上的語義即事件間的關系對目標事件對之間的關系識別至關重要。

發明內容

本發明的目的是提供一種基于異構事件圖的子事件關系識別方法，以解決上述現有技術存在的問題，通過混合多種距離鄰居的特征表示，聚合來自不同類型的鄰居的信息，捕獲輸入事件對之間的潛在的上下位關系，提高利用異構事件圖預測子事件關系的準確性。

為實現上述目的，本發明提供了如下方案：本發明提供一種基于異構事件圖的子事件關系識別方法，包括以下步驟：

采集文本，其中，所述文本中包含事件和參考鏈接，提取所述文本中的事件，識別事件連接，基于所述事件和所述事件連接建立異構初始事件圖，轉換所述異構初始事件圖，構建異構事件圖；

基于預訓練語言模型BERT，獲得所述異構事件圖中每個節點的節點表示，基于所述節點表示，獲得異構事件圖的輸入特征；