一种事件抽取方法、装置和计算机可读存储介质制造方法及图纸

本申请实施例公开了一种事件抽取方法、装置和计算机可读存储介质，该方法包括：获得待进行事件抽取的文本中每一条语句的向量化语义表示W1；通过预先训练好的神经网络对获得的所述向量化语义表示W1进行事件分类，以获取所述文本所属的事件类型；通过预先训练好的多层指针网络分别预测所述向量化语义表示W1中所标记的每个token属于一种论元的起始位置和结束位置，以抽取所述文本中所述事件类型对应的论元。通过该实施例方案，能够判断句子或文档所属的事件类型并将对应的论元抽取出来，不依赖于特定的自然语言处理工具，解决了事件主体存在交叉的情况，提高了事件抽取的效率，具有一定的通用性。

【技术实现步骤摘要】
一种事件抽取方法、装置和计算机可读存储介质
本文涉及事件数据处理技术，尤指一种事件抽取方法、装置和计算机可读存储介质。
技术介绍
互联网上每天都会产生大量的新闻数据，描述许多已经发生的事件。但由于事件种类繁多，无法快速而且准确地分辨事件的类型以及事件的各个因素，如时间、地点、参与人等信息。对发生的公共事件或者特定行业内所发生的事件进行区分和主要因素识别，不仅有助于实时把握事件的发展趋势以及整个行业的发展方向，也可辅助高层决策，降低风险，具有重要的实际应用价值和研究意义。现有的识别方法：[1]基于图神经网络的模型；[2]基于深度学习、注意力机制、序列标注、划分span(片段)的模型等。现有方法存在以下缺点：1、现有方法很多进行触发词的抽取，但是往往准确度不高且严重影响后续论元的抽取，同时触发词不容易标注，因此在实际应用中使用很少。2、现有方法大都使用特定的自然语言处理工具，如Jieba、ltp、standfordNLP等，首先对句子进行分词，建立依存树，然后再将这些特征输入模型。缺点在于：处理繁琐，而且这些工具在处理的过程中本身具有一定的误差，因此在后续建模分析的过程中会存在误差累积的问题。3、基于序列标注的一系列模型很难解决事件论元存在交叉的情况，比如“北京的法院”为一个事件论元(机构)，但是“北京”本身也是一种论元(地名)。4、基于span的方法虽然能解决事件论元存在交叉的情况，但是该方法的复杂度比较高，尤其是当文本长度较长时，复杂度是难以接受的。r>
技术实现思路
本申请实施例提供了一种事件抽取方法、装置和计算机可读存储介质，能够不依赖于特定的自然语言处理工具，解决事件主体存在交叉的情况，提高事件抽取的效率，具有一定的通用性。本申请实施例提供了一种事件抽取方法，所述方法可以包括：获得待进行事件抽取的文本中每一条语句的向量化语义表示W1；通过预先训练好的神经网络对获得的所述向量化语义表示W1进行事件分类，以获取所述文本所属的事件类型；通过预先训练好的多层指针网络分别预测所述向量化语义表示W1中所标记的每个token属于一种论元的起始位置和结束位置，以抽取所述文本中所述事件类型对应的论元。本申请实施例还提供了一种事件抽取装置，可以包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现上述任意一项所述的事件抽取方法。本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的事件抽取方法。与相关技术相比，本申请实施例包括获得待进行事件抽取的文本中每一条语句的向量化语义表示W1；通过预先训练好的神经网络对获得的所述向量化语义表示W1进行事件分类，以获取所述文本所属的事件类型；通过预先训练好的多层指针网络分别预测所述向量化语义表示W1中所标记的每个token属于一种论元的起始位置和结束位置，以抽取所述文本中所述事件类型对应的论元。通过该实施例方案，能够判断句子(或文档)所属的事件类型并将对应的论元抽取出来，不依赖于特定的自然语言处理工具，解决了事件主体存在交叉的情况，提高了事件抽取的效率，具有一定的通用性。本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。附图说明附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。图1为本申请实施例的事件抽取方法流程图；图2为本申请实施例的通过预先训练好的神经网络对获得的所述向量化语义表示W1进行事件分类的方法流程图；图3为本申请实施例的通过预先训练好的多层指针网络分别预测所述向量化语义表示W1中所标记的每个token属于一种论元的起始位置和结束位置的方法流程图；图4为本申请实施例的事件抽取装置组成框图。具体实施方式本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的专利技术方案。任何实施例的任何特征或元件也可以与来自其它专利技术方案的特征或元件组合，以形成另一个由权利要求限定的独特的专利技术方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。在本申请的示例性实施例中，在介绍本申请实施例方案之前，可以首先对本申请实施例涉及的术语进行介绍：1、事件类型及定义：事件类型是指不同的事件所属的类别，比如在金融领域有“实控人股东变更”、“信批违规”、“财务造假”等事件类型。事件类型的定义一般由该领域的专家或经验人士来确定。2、论元：论元是指事件所包含的因素，比如某个事件发生的时间、地点、参与者等因素。3、事件抽取：给定一段文本，判断文本中的事件类型以及识别对应的论元。4、指针网络：通过概率的方式来预测某个位置的字符是否为某种论元的起始位置或是末位位置(或称结束位置)的网络模型。5、分类：分类是指通过模型或特定的方法判断一条数据所属的类型即标签，一般而言，分类任务中的每条数据只属于一个类别。6、多标签分类：多标签分类是指通过模型或特定的方法判断一条数据属于哪些类别，即一条数据可以属于多个类别。本申请实施例提供了一种事件抽取方法，如图1所示，所述方法可以包括步骤S101-S103：S101、获得待进行事件抽取的文本中每一条语句的向量本文档来自技高网...

【技术保护点】
1.一种事件抽取方法，其特征在于，所述方法包括：/n获得待进行事件抽取的文本中每一条语句的向量化语义表示W1；/n通过预先训练好的神经网络对获得的所述向量化语义表示W1进行事件分类，以获取所述文本所属的事件类型；/n通过预先训练好的多层指针网络分别预测所述向量化语义表示W1中所标记的每个token属于一种论元的起始位置和结束位置，以抽取所述文本中所述事件类型对应的论元。/n

【技术特征摘要】
1.一种事件抽取方法，其特征在于，所述方法包括：
获得待进行事件抽取的文本中每一条语句的向量化语义表示W1；
通过预先训练好的神经网络对获得的所述向量化语义表示W1进行事件分类，以获取所述文本所属的事件类型；
通过预先训练好的多层指针网络分别预测所述向量化语义表示W1中所标记的每个token属于一种论元的起始位置和结束位置，以抽取所述文本中所述事件类型对应的论元。


2.根据权利要求1所述的事件抽取方法，其特征在于，所述方法还包括：预先将事件类型划分为x种，将事件的论元类型划分为y种，将所述事件类型以及所述论元类型以外的类型作为其他类型；其中，x、y均为正整数；
在获得语句的向量化语义表示W1之前，包括以下操作：
事件类型标记：对所述文本进行事件类型标记，其中，每种事件类型映射为唯一的身份标识id；
论元标记：针对每一种论元类型，对所述文本中的每一个token标记该token是否属于该种论元的起始位置以及结束位置。


3.根据权利要求2所述的事件抽取方法，其特征在于，所述获得待进行事件抽取的文本中每一条语句的向量化语义表示W1包括：通过双向LSTM网络模型或BERT模型获得每一条语句的向量化语义表示W1。


4.根据权利要求3所述的事件抽取方法，其特征在于，在通过双向LSTM网络获得每一条语句的向量化语义表示W1之前，所述方法还包括：
将语句中的a个字符随机初始化为一个维度为[a，b]的b维向量D，其中，对于从0到a-1的索引id，每个id对应一个不同的字符；对于长度为S的语句，该语句中每一个字符能够在向量D中找到对应的id，从而获得维度为[S，D]的向量；a、b为自然数；
通过双向LSTM网络获得每一条语句的向量化语义表示W1包括：将维度为[S，D]的向量输入预设的双向LSTM神经网络，将所述双向LSTM神经网络的输出作为语句的向量化语义表示W1；
其中，所述向量化语义表示W1的维度为[S，D1]；D1为2*LSTM隐层节点数。


5.根据权利要求3所述的事件抽取方法，其特征在于，通过BERT模型获得每一条语句的向量化语义表示W1包括：将语句直接输入所述BERT模型，将所述BERT模型的输出作为语句的向量化语义表示W1；
其中，所述向量化语义表示W1的维度为[S，D1]；D1＝768。


6.根据权利要求4所述的事件抽取...

【专利技术属性】
技术研发人员：徐猛，付骁弈，张杰，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：上海;31