[發(fā)明專利]一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111355005.2
• 申請(qǐng)日: 2021-11-16
• 公開（公告）號(hào): CN114036908A
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計(jì)）人: 李成龍;謝洋洋
• 申請(qǐng)（專利權(quán)）人: 安徽大學(xué)
• 主分類號(hào): G06F40/169
• 分類號(hào): G06F40/169;G06F40/151;G06F40/247;G06N3/08
• 代理公司: 合肥市浩智運(yùn)專利代理事務(wù)所(普通合伙) 34124
• 代理人: 丁瑞瑞

1.一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法，其特征在于，所述方法包括以下步驟：

步驟一：建立事件模板；

步驟二：采集文本并按事件模板對(duì)文本進(jìn)行標(biāo)注，確定事件觸發(fā)詞實(shí)體和事件元素實(shí)體，將標(biāo)注好的文本用json格式保存；

步驟三：讀取標(biāo)注好的文本，對(duì)文本進(jìn)行預(yù)處理并根據(jù)標(biāo)注的實(shí)體對(duì)預(yù)處理后的文本打標(biāo)簽；

步驟四：將打標(biāo)簽后的文本轉(zhuǎn)化成對(duì)應(yīng)的向量得到字符級(jí)特征；

步驟五：將打標(biāo)簽后的文本中每個(gè)字符構(gòu)造對(duì)應(yīng)的BMES集合，B代表由對(duì)應(yīng)字符為開頭的所有匹配詞，M代表由以對(duì)應(yīng)字符為中間的所有匹配詞，E代表由以對(duì)應(yīng)字符為結(jié)尾的所有匹配詞，S是由對(duì)應(yīng)字符單獨(dú)組成詞的所有匹配詞，如果一個(gè)詞集是空的，則用詞NONE來表示；對(duì)每個(gè)集合中的單詞進(jìn)行相關(guān)編碼，將其轉(zhuǎn)換為對(duì)應(yīng)的文本向量，并對(duì)每個(gè)集合中的單詞計(jì)算TF-IDF值作為每個(gè)單詞的權(quán)重，對(duì)每個(gè)集合中的單詞進(jìn)行加權(quán)相加得到詞表特征；將詞表特征與字符級(jí)特征進(jìn)行拼接融合實(shí)現(xiàn)特征提取；

步驟六：抽取文本中事件對(duì)應(yīng)的事件觸發(fā)詞實(shí)體和事件元素實(shí)體；

步驟七：事件抽取；

步驟八：將提取的特征、事件觸發(fā)詞實(shí)體、事件元素實(shí)體以及事件輸入到神經(jīng)網(wǎng)絡(luò)中通過隨機(jī)梯度下降法訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練好的網(wǎng)絡(luò)作為優(yōu)化的模型，利用優(yōu)化的模型進(jìn)行中文篇章級(jí)事件抽取。

2.根據(jù)權(quán)利要求1所述的一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法，其特征在于，所述事件模板為資產(chǎn)凍結(jié)事件，資產(chǎn)凍結(jié)事件包括的事件元素為被凍結(jié)方、凍結(jié)股份、凍結(jié)開始時(shí)間和凍結(jié)截止時(shí)間。

3.根據(jù)權(quán)利要求2所述的一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法，其特征在于，所述事件觸發(fā)詞包括資產(chǎn)凍結(jié)。

4.根據(jù)權(quán)利要求1所述的一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法，其特征在于，所述對(duì)文本進(jìn)行預(yù)處理包括：將文本分成測(cè)試集、訓(xùn)練集以及驗(yàn)證集，且測(cè)試集、訓(xùn)練集以及驗(yàn)證集的比例為7:2:1，將測(cè)試集、訓(xùn)練集以及驗(yàn)證集中每個(gè)文本定為包含64句話，每句話包含128個(gè)詞，從而將每個(gè)文件轉(zhuǎn)化為一個(gè)64×128維的向量，如果超出就截?cái)啵绻粔蚓屯ㄟ^補(bǔ)0填充。

5.根據(jù)權(quán)利要求4所述的一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法，其特征在于，所述根據(jù)標(biāo)注的實(shí)體對(duì)預(yù)處理后的文本打標(biāo)簽包括：經(jīng)過預(yù)處理的文本中對(duì)標(biāo)注過的實(shí)體的開頭加上標(biāo)簽B，實(shí)體結(jié)尾加上標(biāo)簽E，對(duì)不屬于標(biāo)注的實(shí)體的內(nèi)容前面打上標(biāo)簽O。

6.根據(jù)權(quán)利要求1所述的一種融入詞表知識(shí)的中文篇章級(jí)事件抽取方法，其特征在于，所述隨機(jī)梯度下降法中初始的學(xué)習(xí)率為0.0001，訓(xùn)練次數(shù)為100次，達(dá)到訓(xùn)練次數(shù)以后最終的模型收斂到最優(yōu)。

7.一種融入詞表知識(shí)的中文篇章級(jí)事件抽取裝置，其特征在于，所述裝置包括：

模板建立模塊，用于建立事件模板；

標(biāo)注模塊，用于采集文本并按事件模板對(duì)文本進(jìn)行標(biāo)注，確定事件觸發(fā)詞實(shí)體和事件元素實(shí)體，將標(biāo)注好的文本用json格式保存；

打標(biāo)簽?zāi)K，用于讀取標(biāo)注好的文本，對(duì)文本進(jìn)行預(yù)處理并根據(jù)標(biāo)注的實(shí)體對(duì)預(yù)處理后的文本打標(biāo)簽；

字符級(jí)特征提取模塊，用于將打標(biāo)簽后的文本轉(zhuǎn)化成對(duì)應(yīng)的向量得到字符級(jí)特征；

特征融合模塊，用于將打標(biāo)簽后的文本中每個(gè)字符構(gòu)造對(duì)應(yīng)的BMES集合，B代表由對(duì)應(yīng)字符為開頭的所有匹配詞，M代表由以對(duì)應(yīng)字符為中間的所有匹配詞，E代表由以對(duì)應(yīng)字符為結(jié)尾的所有匹配詞，S是由對(duì)應(yīng)字符單獨(dú)組成詞的所有匹配詞，如果一個(gè)詞集是空的，則用詞NONE來表示；對(duì)每個(gè)集合中的單詞進(jìn)行相關(guān)編碼，將其轉(zhuǎn)換為對(duì)應(yīng)的文本向量，并對(duì)每個(gè)集合中的單詞計(jì)算TF-IDF值作為每個(gè)單詞的權(quán)重，對(duì)每個(gè)集合中的單詞進(jìn)行加權(quán)相加得到詞表特征；將詞表特征與字符級(jí)特征進(jìn)行拼接融合實(shí)現(xiàn)特征提取；

實(shí)體抽取模塊，用于抽取文本中事件對(duì)應(yīng)的事件觸發(fā)詞實(shí)體和事件元素實(shí)體；

事件抽取模塊，用于事件抽取；

訓(xùn)練尋優(yōu)模塊，用于將提取的特征、事件觸發(fā)詞實(shí)體、事件元素實(shí)體以及事件輸入到神經(jīng)網(wǎng)絡(luò)中通過隨機(jī)梯度下降法訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練好的網(wǎng)絡(luò)作為優(yōu)化的模型，利用優(yōu)化的模型進(jìn)行中文篇章級(jí)事件抽取。