【技术实现步骤摘要】
事件类别确定方法、装置及电子设备
[0001]本申请涉及自然语言处理
，具体涉及事件类别确定方法和装置，事件要素类型预测模型构建方法和装置，事件分类模型构建方法和装置，交通信息播报系统、方法和装置，设备故障发生模式确定方法和装置，事件发生模式确定方法和装置，企业收购事件发生模式确定方法和装置，交通事故发生模式确定方法和装置，事件发生模式确定系统、方法和装置，事件要素确定系统、方法和装置，以及电子设备。
技术介绍
[0002]事件文本分类技术是自然语言领域的一个研究热点，通过该项技术可实现自动对文本进行事件分类处理。
[0003]一种典型的事件文本分类方法的处理过程如下所述。首先，获取多个已标注事件类别的文本数据，形成训练数据集；然后，通过机器学习算法从训练数据集中学习得到事件类别预测模型；最后，将待检测文本作为事件类别预测模型的输入数据，通过该模型自动识别出该文本的事件类别。
[0004]然而，在实现本专利技术过程中，专利技术人发现现有技术方案至少存在如下问题：由于只是简单地将事件文本中每个词做词嵌入，...
【技术保护点】
【技术特征摘要】
1.一种设备故障发生模式确定方法，其特征在于，包括：获取设备故障相关文本；确定所述文本包括的词、及词的设备故障要素类型；通过故障要素确定模型包括的设备故障特征抽取子网络，根据词的词向量和所述设备故障要素类型的要素类型向量，抽取包括文本语义信息和设备故障要素类型信息的设备故障特征；通过故障要素确定模型包括的故障要素预测子网络，根据所述设备故障特征，确定设备故障要素信息；根据设备故障要素信息，确定设备故障发生模式信息。2.根据权利要求1所述的方法，其特征在于，所述设备故障要素类型采用如下步骤确定：针对各个词，将词作为目标词，并确定包括目标词及其相邻词的文本片段；获取目标词和相邻词的词向量；以及，根据相邻词在所述文本片段中的词位置信息，确定目标词和相邻词的词位置向量；针对各个目标词，通过设备故障要素类型预测模型，根据所述目标词及其相邻词的词向量和所述词位置向量，确定所述目标词的设备故障要素类型。3.根据权利要求1所述的方法，其特征在于，所述通过故障要素确定模型包括的设备故障特征抽取子网络，根据词的词向量和所述设备故障要素类型的要素类型向量，抽取包括文本语义信息和设备故障要素类型信息的设备故障特征，包括：根据词的词向量和所述要素类型向量，确定词的包括设备故障要素类型信息的词向量；通过所述设备故障特征抽取子网络，根据所述包括设备故障要素类型信息的词向量，抽取所述设备故障特征。4.一种设备故障发生模式确定装置，其特征在于，包括：故障文本获取单元，用于获取设备故障相关文本；要素类型确定单元，用于确定所述文本包括的词、及词的设备故障要素类型；故障特征抽取单元，用于通过故障要素确定模型包括的设备故障特征抽取子网络，根据词的词向量和所述设备故障要素类型的要素类型向量，抽取包括文本语义信息和设备故障要素类型信息的设备故障特征；故障要素确定单元，用于通过故障要素确定模型包括的故障要素预测子网络，根据所述设备故障特征，确定设备故障要素信息；故障模式确定单元，用于根据设备故障要素信息，确定设备故障发生模式信息。5.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储实现设备故障发生模式确定方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：获取设备故障相关文本；确定所述文本包括的词、及词的设备故障要素类型；通过故障要素确定模型包括的设备故障特征抽取子网络，根据词的词向量和所述设备故障要素类型的要素类型向量，抽取包括文本语义信息和设备故障要素类型信息的设备故障特征；通过故障要素确定模型包括的故障要素预测子网络，根
据所述设备故障特征，确定设备故障要素信息；根据设备故障要素信息，确定设备故障发生模式信息。6.一种事件发生模式确定方法，其特征在于，包括：获取事件相关文本；确定所述文本包括的词、及词的事件要素类型；通过事件要素确定模型包括的事件特征抽取子网络，根据词的词向量和所述事件要素类型的要素类型向量，抽取包括文本语义信息和事件要素类型信息的事件特征；通过事件要素确定模型包括的事件要素预测子网络，根据所述事件特征，确定事件要素信息；根据所述事件要素信息，确定事件发生模式信息。7.根据权利要求6所述的方法，其特征在于，所述事件发生模式信息包括：与公共交通设施有关的事件发生模式；所述方法还包括：根据所述事件发生模式信息，确定公交人员调度信息。8.一种事件发生模式确定装置，其特征在于，包括：事件文本获取单元，用于获取事件相关文本；要素类型确定单元，用于确定所述文本包括的词、及词的事件要素类型；事件特征抽取单元，用于通过事件要素确定模型包括的事件特征抽取子网络，根据词的词向量和所述事件要素类型的要素类型向量，抽取包括文本语义信息和事件要素类型信息的事件特征；事件要素确定单元，用于通过事件要素确定模型包括的事件要素预测子网络，根据所述事件特征，确定事件要素信息；事件发生模式确定单元，用于根据所述事件要素信息，确定事件发生模式信息。9.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储实现事件发生模式确定方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：获取事件相关文本；确定所述文本包括的词、及词的事件要素类型；通过事件要素确定模型包括的事件特征抽取子网络，根据词的词向量和所述事件要素类型的要素类型向量，抽取包括文本语义信息和事件要素类型信息的事件特征；通过事件要素确定模型包括的事件要素预测子网络，根据所述事件特征，确定事件要素信息；根据所述事件要素信息，确定事件发生模式信息。10.一种企业收购事件发生模式确定方法，其特征在于，包括：获取企业收购事件相关文本；确定所述文本包括的词、及词的企业收购事件要素类型；通过企业收购事件要素确定模型包括的企业收购事件特征抽取子网络，根据词的词向量和所述企业收购事件要素类型的要素类型向量，抽取包括文本语义信息和企业收购事件要素类型信息的企业收购事件特征；通过企业收购事件要素确定模型包括的企业收购事件要素预测子网络，根据所述企业收购事件特征，确定企业收购事件要素信息；
根据所述企业收购事件要素信息，确定企业收购事件发生模式信息。11.一种企业收购事件发生模式确定装置，其特征在于，包括：事件文本获取单元，用于获取企业收购事件相关文本；要素类型确定单元，用于确定所述文本包括的词、及词的企业收购事件要素类型；事件特征抽取单元，用于通过企业收购事件要素确定模型包括的企业收购事件特征抽取子网络，根据词的词向量和所述企业收购事件要素类型的要素类型向量，抽取包括文本语义信息和企业收购事件要素类型信息的企业收购事件特征；事件要素确定单元，用于通过企业收购事件要素确定模型包括的企业收购事件要素预测子网络，根据所述企业收购事件特征，确定企业收购事件要素信息；事件发生模式确定单元，用于根据所述企业收购事件要素信息，确定企业收购事件发生模式信息。12.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储实现企业收购事件发生模式确定方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：获取企业收购事件相关文本；确定所述文本包括的词、及词的企业收购事件要素类型；通过企业收购事件要素确定模型包括的企业收购事件特征抽取子网络，根据词的词向量和所述企业收购事件要素类型的要素类型向量，抽取包括文本语义信息和企业收购事件要素类型信息的企业收购事件特征；通过企业收购事件要素确定模型包括的企业收购事件要素预测子网络，根据所述企业收购事件特征，确定企业收购事件要素信息；根据所述企业收购事件要素信息，确定企业收购事件发生模式信息。13.一种事件类别确定方法，其特征在于，包括：确定待分类事件文本包括的词、及词的事件要素类型；通过事件分类模型包括的事件特征抽取子网络，根据词的词向量和所述事件要素类型的要素向量，抽取包括文本语义信息和事件要素类型信息的事件特征；通过事件分类模型包括的事件类别预测子网络，根据所述事件特征，确定所述事件文本的事件类别。14.一种事件类别确定装置，其特征在于，包括：要素类型确定单元，用于确定待分类事件文本包括的词、及词的事件要素类型；事件特征抽取单元，用于通过事件分类模型包括的事件特征抽取子网络，根据词的词向量和所述事件要素类型的要素向量，抽取包括文本语义信息和事件要素类型信息的事件特征；事件类别确定单元，用于通过事件分类模型包括的事件类别预测子网络，根据所述事件特征，确定所述事件文本的事件类别。15.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储实现事件类别确定方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：确定待分类事件文本包括的词、及词的事件要素类型；通过事件分类模型包括的事件特征抽取子网络，根据词的词向量和所述事件要素类型的要素
向量，抽取包括文本语义信息和事件要素类型信息的事件特征；通过事件分类模型包括的事件类别预测子网络，根据所述事件特征，确定所述事件文本的事件类别。16.一种事件要素类型预测模型构建方法，其特征在于，包括：获取训练样本集；其中，所述训练样本包括训练用事件文本、训练用事件文本包括的词、词的事件要素类型标注信息之间的对应关系；构建所述模型的网络结构；其中，所述网络结构包括特征抽取子网络和事件要素类型预测子网络；所述特征抽取子网络，用于根据事件文本的词的词向量，抽取用于预测事件要素类型的事件特征；所述事件要素类型预测子网络，用于根据所述事件特征，获取词的事件要素类型的预测值；根据所述训练样本集对所述模型的网络参数进行训练，得到事件要素类型预测模型。17.一种事件要素类型预测模型构建装置，其特征在于，包括：数据获取单元，用于获取训练样本集；其中，所述训练样本包括训练用事件文本、训练用事件文本包括的词、词的事件要素类型标注信息之间的对应关系；网络构建单元，用于构建所述模型的网络结构；其中，所述网络结构包括特征抽取子网络和事件要素类型预测子网络；所述特征抽取子网络，用于根据事件文本的词的词向量，抽取用于预测事件要素类型的事件特征；所述事件要素类型预测子网络，用于根据所述事件特征，获取词的事件要素类型的预测值；网络训练单元，用于根据所述训练样本集对所述模型的网络参数进行训练，得到事件要素类型预测模型。18.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储实现事件要素类型预测模型构建方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：获取训练样本集；中，所述训练样本包括训练用事件文本、训练用事件文本包括的词、词的事件要素类型标注信息之间的对应关系；构建所述模型的网络结构；其中，所述网络结构包括特征抽取子网络和事件要素类型预测子网络；所述特征抽取子网络，用于根据事件文本的词的词向量，抽取用于预测事件要素类型的事件特征；所述事件要素类型预测子网络，用于根据所述事件特征，获取词的事件要素类型的预测值；根据所述训练样本集对所述模型的网络参数进行训练，得到事件要素类型预测模型。19.一种事件分类模型构建方法，其特征在于，包括：获取训练样本集；其中，所述训练样本包括训练用事件文本、事件类别标注信息之间的对应关系；构建所述模型的网络结构；其中，所述网络结构包括事件特征抽取子网络和事件类别预测子网络；所述特征抽取子网络，用于根据事件文本的各个词的词向量，以及以该词作为目标词的事件要素类型的要素向量,抽取事件特征，该特征包括文本语义信息和事件要素类型信息；所述事件类别预测子网络，用于根据所述事件特征，获取事件文本的事件类别的预测值；根据所述训练样本集对所述模型的网络参数进行训练，得到事件分类模型。20.一种事件分类模型构建装置，其特征在于，包括：
数据获取单元，用于获取训练样本集；其中，所述训练样本包括训练用事件文本、事件类别标注信息之间的对应关系；网络构建单元，用于构建所述模型的网络结构；其中，所述网络结构包括事件特征抽取子网络和事件类别预测子网络；所述特征抽取子网络，用于根据事件文本的各个词的词向量，以及以该词作为目标词的事件要素类型的要素向量,抽取事件特征，该特征包括文本语义信息和事件要素类型信息；所述事件类别预测子网络，用于根据所述事件特征，获取事件文本的事件类别的预测值；网络训练单元，用于根据所述训练样本集对所述模型的网络参数进行训练，得到事件分类模型。21.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储实现事件分类模型构建方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：获取训练样本集；其中，所述训练样本包括训练用事件文本、事件类别标注信息之间的对应关系；构建所述模型的网络结构；其中，所述网络结构包括事件特征抽取子网络和事件类别预测子网络；所述特征抽取子网络，用于根据事件文本的各个词的词向量，以及以该词作为目标词的事...
【专利技术属性】
技术研发人员：刘英箎，李泉志，张琼，司罗，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。