[發(fā)明專利]一種軍事新聞長文本層次化事件抽取方法

在審

• 申請?zhí)枺?/td>: 202110970577.5
• 申請日: 2021-08-23
• 公開（公告）號: CN113657090A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 張靜;胡軍;欒瑞鵬;孫悅
• 申請（專利權(quán)）人: 中國人民解放軍32801部隊(duì)
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F40/289;G06F40/258;G06K9/62;G06F16/35;G06F16/951
• 代理公司: 北京豐浩知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11781
• 代理人: 李學(xué)康

本發(fā)明公開了一種軍事新聞長文本層次化事件抽取方法，其具體步驟包括，獲取軍事新聞資訊網(wǎng)頁的內(nèi)容，提取該類網(wǎng)頁中的軍事新聞文本數(shù)據(jù)；進(jìn)行文本預(yù)處理，對軍事新聞文本的內(nèi)容進(jìn)行分詞和詞性標(biāo)注，對軍事新聞文本的標(biāo)題進(jìn)行分詞并構(gòu)建觸發(fā)詞，得到軍事新聞文本標(biāo)題的歸類結(jié)果；識別出軍事新聞文本中的事件句；篩選出軍事新聞文本中與觸發(fā)詞的相似度大于一定閾值的事件句；從事件句中提取事件要素，進(jìn)行角色標(biāo)注；根據(jù)事件元素的角色描述結(jié)果，進(jìn)行事件描述。本發(fā)明確定語句表達(dá)主旨的、貢獻(xiàn)度最大的詞匯作為軍事新聞的觸發(fā)詞，使用觸發(fā)詞歸類事件類別并將事件要素進(jìn)行串聯(lián)，構(gòu)成篇章級別的軍事新聞超長文本的事件鏈。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，尤其涉及一種軍事新聞長文本層次化事件抽取方法。

背景技術(shù)

在自然語言處理技術(shù)領(lǐng)域，事件是指在某種時(shí)空下，一些角色圍繞某個(gè)方向開展的一系列活動。事件抽取技術(shù)是從非結(jié)構(gòu)化文本數(shù)據(jù)中，對用戶所感興趣的內(nèi)容和關(guān)鍵詞進(jìn)行提取，并以結(jié)構(gòu)化呈現(xiàn)給用戶。

軍工建設(shè)是各國國防保密的重點(diǎn)，而軍事技術(shù)總是面向最尖端最先進(jìn)的方向發(fā)展，因此，有效分析軍事新聞，成了追蹤技術(shù)前沿的一種手段。目前事件抽取的常用手段有：

1、傳統(tǒng)的匹配和統(tǒng)計(jì)方法，如靜態(tài)模板匹配和詞頻統(tǒng)計(jì)分析，由于自然語言變化方式很多，輕微變動就可以造成語義的劇烈變化，從而導(dǎo)致該方法失效，抽取效率低。對于軍事新聞的抽取，模板的設(shè)計(jì)、編寫者需要有深入的軍事知識儲備，其門檻較高。

2、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的方法，如使用長短時(shí)記憶網(wǎng)絡(luò)、詞包等進(jìn)行詞的向量編碼，使用預(yù)訓(xùn)練語言模型進(jìn)行遷移學(xué)習(xí)。但是由于并行處理器緩存的限制，該方法仍然難以應(yīng)對超長篇章級別的軍事新聞綜合處理的需要。

發(fā)明內(nèi)容

針對目前軍事新聞事件抽取設(shè)計(jì)模式困難、難以應(yīng)對篇章級長文本等問題，本發(fā)明提供一種軍事新聞長文本層次化事件抽取方法，可以高效地對篇章級別的長文本軍事新聞進(jìn)行事件提取。

本發(fā)明公開了一種軍事新聞長文本層次化事件抽取方法，其具體步驟包括，

S1，獲取軍事新聞資訊網(wǎng)頁的內(nèi)容，提取該類網(wǎng)頁中的軍事新聞文本數(shù)據(jù)；

所述的步驟S1，其具體包括，使用網(wǎng)絡(luò)爬蟲工具從各個(gè)軍事資訊網(wǎng)站上獲取軍事新聞的網(wǎng)站鏈接，并構(gòu)造訪問軍事新聞的網(wǎng)站主體的HTTP請求，訪問軍事新聞的網(wǎng)頁數(shù)據(jù)，得到網(wǎng)頁數(shù)據(jù)之后，解析網(wǎng)頁數(shù)據(jù)，提取該類網(wǎng)頁中的軍事新聞文本數(shù)據(jù)，并在解析的網(wǎng)頁數(shù)據(jù)中尋找新的軍事新聞超鏈接，對新的軍事新聞超鏈接再進(jìn)行上述網(wǎng)頁數(shù)據(jù)的獲取與解析的過程。

S2，對所提取的軍事新聞文本數(shù)據(jù)進(jìn)行文本預(yù)處理，其具體包括，

S21，分別提取軍事新聞文本的標(biāo)題和發(fā)布日期；

S22，對軍事新聞文本的內(nèi)容進(jìn)行分詞和詞性標(biāo)注；

S23，對軍事新聞文本的標(biāo)題進(jìn)行分詞并構(gòu)建觸發(fā)詞，定義事件類別，對軍事新聞的事件和軍事新聞文本標(biāo)題分別進(jìn)行歸類，得到軍事新聞的事件和軍事新聞文本標(biāo)題的歸類結(jié)果；

使用自然語言處理工具對軍事新聞文本的標(biāo)題進(jìn)行分詞，從分詞結(jié)果中抽取軍事新聞主體的關(guān)鍵詞，根據(jù)關(guān)鍵詞對應(yīng)的軍事新聞事件類別，構(gòu)建相應(yīng)事件類別的觸發(fā)詞。首先判斷軍事新聞文本的標(biāo)題或正文內(nèi)容中是否存在軍事新聞主體的關(guān)鍵詞，如果存在軍事新聞主體的關(guān)鍵詞，將該軍事新聞的事件歸類到該關(guān)鍵詞對應(yīng)的事件類別當(dāng)中，得到軍事新聞的事件所屬的類別信息，如果軍事新聞文本的標(biāo)題或正文內(nèi)容中不存在軍事新聞主體的關(guān)鍵詞，或者對軍事新聞文本的標(biāo)題進(jìn)行分詞的結(jié)果無法完全覆蓋到軍事新聞主體的關(guān)鍵詞時(shí)，對于軍事新聞文本的標(biāo)題進(jìn)行分詞得到的詞匯，利用該詞匯之間的相似度，計(jì)算軍事新聞文本標(biāo)題的詞匯與事件類別的觸發(fā)詞的相似度，如果其相似度大于一定閾值，則將軍事新聞文本標(biāo)題歸屬到觸發(fā)詞對應(yīng)的事件類別中；