[發明專利]基于知識圖信息引導的篇章級事件角色識別方法

在審

• 申請號: 202210570151.5
• 申請日: 2022-05-24
• 公開（公告）號: CN114880434A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 余正濤;陳龍;黃于欣;線巖團
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/211;G06F40/216;G06F40/295;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 昆明隆合知識產權代理事務所(普通合伙) 53220
• 代理人: 何嬌

1.基于知識圖信息引導的篇章級事件角色識別方法，其特征在于：所述基于知識圖信息引導的篇章級事件角色識別方法的具體步驟如下：

Step1、抽取文本句子中的三元組信息，并基于實體、高頻詞、關鍵詞信息對三元組元素進行聚類，以此構建三元組元素之間的關聯關系，形成文檔的知識圖信息；

Step2、將文本通過預訓練Bert和預訓練詞向量兩種不同的方式進行向量化表示作為編碼器的輸入；

Step3、通過Transformer編碼端對文檔進行編碼；

Step4、通過Bi-LSTM網絡對文本句子級進行編碼；

Step5、使用圖卷積模塊將文本的向量表示與知識圖信息進行聯合學習，得到融合知識圖信息的向量表示；

Step6、最后通過融合推理模塊中的選通融合機制實現不同粒度文本信息的融合，然后利用CRF層進行事件角色信息識別推理，以完成事件的角色信息的識別。

2.根據權利要求1所述基于知識圖信息引導的篇章級事件角色識別方法，其特征在于：所述Step1的具體步驟為：

Step1.1、使用斯坦福工具對文本的句子抽取其三元組信息，將每個三元組中的元素，構建相互依賴關系；

Step1.2、抽取文本的高頻詞、關鍵詞和實體詞，并判斷不同句子三元組元素是否屬于某一類型下，以此對三元組元素進行聚類，構建跨句三元組之間的關聯關系，以此形成文本知識圖。

3.根據權利要求1所述基于知識圖信息引導的篇章級事件角色識別方法，其特征在于：所述Step2的具體步驟為：

Step2.1、首先使用預訓練詞向量和預訓練Bert模型分別對文本向量化表示；

Step2.2、然后通過交叉注意力網絡將獲得的預訓練詞向量表示和預訓練Bert模型的向量表示進行聯合會學習，得到融合預訓練Bert模型的文本向量表示。

4.根據權利要求1所述基于知識圖信息引導的篇章級事件角色識別方法，其特征在于：在所述Step3中，使用Transformer編碼端對文本向量進行特征編碼，得到文本的特征表示。

5.根據權利要求1所述基于知識圖信息引導的篇章級事件角色識別方法，其特征在于：在所述Step4中，使用BI-LSTM編碼器對文本中每個句子進行特征編碼，得到文本的句子級特征表示。

6.根據權利要求1所述基于知識圖信息引導的篇章級事件角色識別方法，其特征在于：所述Step5包括：

通過圖卷積網絡對文本知識圖信息進行特征提取；

通過交叉注意力網絡實現知識圖信息的特征與文本特征的深層次融合。