[發明專利]一種基于BERT的交互性元學習事件檢測方法

在審

• 申請號: 202211476055.0
• 申請日: 2022-11-23
• 公開（公告）號: CN115712702A
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 戶保田;陶靖樅;劉振宇
• 申請（專利權）人: 哈爾濱工業大學（深圳）
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/126;G06F40/194
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

1.一種基于BERT的交互性元學習事件檢測方法，其特征在于，包括：

獲取目標支持集，所述目標支持集包括至少一個參考數據集，所述參考數據集中包括至少一條參考數據，所述參考數據為標注了事件觸發詞和事件類型的句子；

獲取目標數據，所述目標數據為未標注事件觸發詞的句子；

將所述目標支持集與所述目標數據進行拼接編碼，得到所述目標數據對應的事件類型；

獲取目標參考數據集，所述目標參考數據集對應的事件類型與所述目標數據對應的事件類型相同，將所述目標參考數據集與所述目標數據進行拼接編碼，得到所述目標數據中的事件觸發詞。

2.根據權利要求1所述的基于BERT的交互性元學習事件檢測方法，其特征在于，所述目標支持集包含至少一種事件類型，每一種事件類型對應一個所述參考數據集；

所述目標支持集的表達式為：

其中，S為所述目標支持集，N為所述參考數據集數量，K為每組所述參考數據集中的參考數據數量，對于每條所述參考數據為第i個所述參考數據集中的第j個所述參考數據對應的句子，為第i個所述參考數據集中的第j個所述參考數據中的觸發詞對應的位置，e_i為第i個所述參考數據集對應的事件類型。

3.根據權利要求1所述的基于BERT的交互性元學習事件檢測方法，其特征在于，所述將所述目標支持集與所述目標數據進行拼接編碼，得到所述目標數據對應的事件類型，包括：

將所述目標數據分別與所述目標支持集中的每條所述參考數據進行拼接，得到第一目標序列；

對所述第一目標序列進行編碼，得到第一目標序列編碼；

根據所述第一目標序列編碼獲取第一目標相似度；

根據所述第一目標相似度獲取所述目標數據對應的事件類型。

4.根據權利要求3所述的基于BERT的交互性元學習事件檢測方法，其特征在于，所述根據所述第一目標序列編碼獲取第一目標相似度，包括：

將所述第一目標序列編碼經過一層全連接層，得到每個所述第一目標序列編碼中拼接的兩個句子的相似度分數；

分別將各個所述參考數據集對應的相似度進行加和平均后，得到一個或多個所述目標數據與當前參考數據集對應的事件類型的所述第一目標相似度。

5.根據權利要求4所述的基于BERT的交互性元學習事件檢測方法，其特征在于，所述將所述目標參考數據集與所述目標數據進行拼接編碼，得到所述目標數據中的事件觸發詞，包括：

將所述目標數據分別與所述目標參考數據集中的每條所述參考數據進行拼接，得到第二目標序列；

對所述第二目標序列進行編碼，得到第二目標序列編碼；

將所述目標數據分別與所述目標參考數據集中的每條所述參考數據中的觸發詞進行拼接，得到第三目標序列；

對所述第三目標序列進行編碼，得到第三目標序列編碼；

根據所述第二目標序列編碼和所述第三目標序列編碼獲取所述目標數據中每個單詞的標簽類型；

根據所述目標數據中每個單詞的標簽類型獲取所述目標數據中的事件觸發詞。

6.根據權利要求5所述的基于BERT的交互性元學習事件檢測方法，其特征在于，所述對所述第二目標序列進行編碼，得到第二目標序列編碼后，還包括：

獲取所述第二目標序列編碼中觸發詞向量和非觸發詞向量，所述觸發詞向量和所述非觸發詞向量由所述目標參考數據集的詞語轉換而來；

對每個所述觸發詞向量進行加和平均，得到目標觸發詞原型；

對每個所述非觸發詞向量進行加和平均，得到目標非觸發詞原型。

7.根據權利要求6所述的基于BERT的交互性元學習事件檢測方法，其特征在于，所述根據所述第二目標序列編碼和所述第三目標序列編碼獲取所述目標數據中每個單詞的標簽類型，包括：

獲取所述第三目標序列編碼中的目標向量，所述目標向量為所述目標數據中每個單詞的向量表示；

分別獲取每個所述目標向量與所述目標觸發詞原型和所述目標非觸發詞原型的相似度，選擇相似度較高的標簽類型作為所述目標向量的標簽類型。