事件查询方法、装置以及存储介质制造方法及图纸

本公开公开了一种事件查询方法、装置以及存储介质，涉及知识图谱领域。具体实现方案为：获取关键词；将所述关键词与事件因果关系图谱中的各事件节点匹配，以得到与所述关键词匹配的第一事件节点；根据所述第一事件节点及其在所述事件因果关系图谱中存在因果关系的关联节点，确定推理路径；根据所述推理路径中包含的各事件节点与目标信息之间的互信息，对所述推理路径中的事件节点进行筛选；其中，所述目标信息包括所述关键词和所述第一事件节点中的至少一个；根据所述推理路径中保留的事件节点，确定所述关键词查询到的事件。本公开有效提高了事件查询的效率。提高了事件查询的效率。提高了事件查询的效率。

【技术实现步骤摘要】
事件查询方法、装置以及存储介质


[0001]本公开涉及计算机
，特别涉及知识图谱
，尤其涉及事件查询方法、装置以及存储介质。

技术介绍

[0002]近年来，越来越多的工作关注于事件的各个方面的推理，比如事件因果关系推理(Event causality inference),脚本事件推理(Script event prediction)等等。其中，事件因果关系推理，就是基于已有信息获取新的知识或者结论，这些知识和结论与已有信息满足语义上的事件因果关系。
[0003]相关技术中，一般是通过控制推理步数来防止推理结果出现主题偏移，但是该方式并不能从根本上解决问题，因为事件节点是否主题一致与它们在图上间隔的步数没有必然联系，并不是间隔越近的事件节点主题越一致。

技术实现思路

[0004]本公开提供了一种事件查询的方法、装置以及存储介质。
[0005]根据本公开的第一方面，提供了一种事件查询方法，包括：
[0006]获取关键词；
[0007]将所述关键词与事件因果关系图谱中的各事件节点匹配，以得到与所述关键词匹配的第一事件节点；
[0008]根据所述第一事件节点及其在所述事件因果关系图谱中存在因果关系的关联节点，确定推理路径；
[0009]根据所述推理路径中包含的各事件节点与目标信息之间的互信息，对所述推理路径中的事件节点进行筛选；其中，所述目标信息包括所述关键词和所述第一事件节点中的至少一个；
[0010]根据所述推理路径中保留的事件节点，确定所述关键词查询到的事件。
[0011]根据本公开的第二方面，提供了一种事件查询装置，包括：
[0012]获取模块，用于获取关键词；
[0013]匹配模块，用于将所述关键词与事件因果关系图谱中的各事件节点匹配，以得到与所述关键词匹配的第一事件节点；
[0014]推理模块，用于根据所述第一事件节点及其在所述事件因果关系图谱中存在因果关系的关联节点，确定推理路径；
[0015]筛选模块，用于根据所述推理路径中包含的各事件节点与目标信息之间的互信息，对所述推理路径中的事件节点进行筛选；其中，所述目标信息包括所述关键词和所述第一事件节点中的至少一个；
[0016]查询模块，用于根据所述推理路径中保留的事件节点，确定所述关键词查询到的事件。
[0017]根据本公开的第三方面，提供了一种电子设备，包括：
[0018]至少一个处理器；以及
[0019]与所述至少一个处理器通信连接的存储器；其中，
[0020]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的事件查询方法。
[0021]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开第一方面所述的事件查询方法。
[0022]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开第一方面所述的事件查询方法。
[0023]本公开实施例提供的上述事件查询方法、设备以及存储介质，能够根据与关键词匹配的第一事件节点，及其在所述事件因果关系图谱中存在因果关系的关联节点，确定推理路径，根据推理路径中包含的各事件节点与所述关键词或第一事件节点之间的互信息，对所述推理路径中的事件节点进行筛选，确定查询到的事件。由于在筛选后，推理路径中保留的事件节点，与关键词或第一事件节点之间的互信息是满足设定要求的，保证了语义上的连贯性，减少了主题偏移的情况，有效提高了进行事件查询的效率。
[0024]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
[0025]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0026]图1是根据本公开实施例的一种事件查询方法流程图；
[0027]图2是根据本公开实施例的另一种事件查询方法流程图；
[0028]图3是根据本公开实施例的一种信息补全方法流程图；
[0029]图4是根据本公开实施例的事件因果关系图谱示意图；
[0030]图5是根据本公开实施例的一种事件查询装置的结构框图；
[0031]图6是根据本公开实施例的另一种事件查询装置的结构框图；
[0032]图7是用来实现本公开实施例的事件查询方法的电子设备的框图。
具体实施方式
[0033]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0034]事件是一种重要的知识，近年来，越来越多的工作关注于从开放域或领域文本中抽取结构化事件知识。同时，除了本身就很困难的事件抽取任务之外，近年来，越来越多的研究者开始关注于事件的推理工作中。事件之间的关系挖掘、推理的有很多的研究领域，不同于事件抽取的主流任务，事件推理正在朝着各个比较有趣的方向进行发展，事件推理作为信息抽取之后的更加有趣的应用，将继续有着不断发展的前景。
[0035]相关技术中，关于事件因果推理主题偏移问题还没有很好的解决方案，一般都是
通过控制推理步数来防止推理结果出现主题偏移，但是这种方法并不能从根本上解决问题，因为事件节点是否主题一致与它们在图上间隔的步数没有必然联系，并不是间隔越近的事件节点主题越一致。
[0036]基于此，本公开实施例提供了一种事件查询方法，参见图1所示的一种事件查询方法流程图，该方法可以由具有数据处理能力的各类电子设备执行，在此对执行本实施例方法的电子设备不进行限制，主要包括如下步骤S102～步骤S110：
[0037]步骤S102，获取关键词。
[0038]其中，关键词可以是用户输入的，也可是系统根据用户的输入自动抽取的，还可以是系统根据需要自动获取的。需要说明的是，关键词包括至少一个分词。
[0039]步骤S104，将所述关键词与事件因果关系图谱中的各事件节点匹配，以得到与所述关键词匹配的第一事件节点。
[0040]其中，事件因果关系图谱是能表示事件之间因果关系的图谱，其中包括至少一个事件节点。需要说明的是，在事件因果关系图谱中，如果两个事件节点之间存在因果关系，则两个事件节点之间存在一条边，且由原因节点指向结果节点。
[0041]在本公开的实施例中，第一事件节点可以是利用专家系统(ES,Expert System)和人工神经网络(ANN,Artificial Neural Network)匹配到的最佳节点，也可以是根据计算关键词和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事件查询方法，包括：获取关键词；将所述关键词与事件因果关系图谱中的各事件节点匹配，以得到与所述关键词匹配的第一事件节点；根据所述第一事件节点及其在所述事件因果关系图谱中存在因果关系的关联节点，确定推理路径；根据所述推理路径中包含的各事件节点与目标信息之间的互信息，对所述推理路径中的事件节点进行筛选；其中，所述目标信息包括所述关键词和所述第一事件节点中的至少一个；根据所述推理路径中保留的事件节点，确定所述关键词查询到的事件。2.根据权利要求1所述的方法，其中，所述根据所述推理路径中包含的各事件节点与所述关键词之间的互信息，对所述推理路径中的事件节点进行筛选，包括：获取所述推理路径中包含的各事件节点与所述关键词之间的互信息；根据所述推理路径中包含的各事件节点与所述关键词之间的互信息，从所述推理路径中确定互信息不满足设定条件的主题偏离节点；将所述主题偏离节点以及与所述主题偏离节点为结果关系的各事件节点，从所述推理路径中删除。3.根据权利要求2所述的方法，其中，所述获取所述推理路径中包含的各事件节点与所述关键词之间的互信息，包括：根据所述事件因果关系图谱中各事件节点的描述信息，生成共现频率词典；根据所述共现频率词典，确定所述推理路径中包含的各事件节点与所述关键词之间的互信息。4.根据权利要求3所述的方法，其中，所述根据所述共现频率词典，确定所述推理路径中包含的各事件节点与所述关键词之间的互信息，包括：对各所述事件节点的描述信息进行分词；查询所述共现频率词典，以得到每个所述分词与所述关键词之间的共现频率；根据所述共现频率，确定各所述分词与所述关键词之间的互信息；根据属于同一事件节点的分词与所述关键词之间的互信息，确定对应事件节点与所述关键词之间的互信息。5.根据权利要求1
‑
4任一项所述的方法，其中，所述方法还包括：对所述事件因果关系图谱中存在描述信息部分缺失的第二事件节点，查询存在因果关系的相邻事件节点；将所述相邻事件节点的描述信息和所述第二事件节点未缺失的描述信息输入经过训练的预测模型，得到所述第二事件节点的表征；根据所述第二事件节点的表征，预测缺失的描述信息。6.根据权利要求5所述的方法，其中，所述预测模型是将训练集合中的正样本和对应的负样本分别输入所述预测模型，得到所述预测模型输出的正样本中两事件的表征，以及所述负样本中两事件的表征；根据所述正样本中两事件的表征之间的第一距离，与所述负样本中两事件的表征之间的第二距离之差，确定损失函数；根据所述损失函数，调整所述模型
参数；其中，所述正样本，是所述事件因果关系图谱中存在因果关系的两事件节点的描述信息；所述负样本，是所述事件因果关系图谱中不存在因果关系的两事件节点的描述信息。7.根据权利要求6所述的方法，其中，所述损失函数的取值是所述第一距离与所述第二距离之差，与零中的较大值。8.根据权利要求5所述的方法，其中，所述根据所述第二事件节点的表征，预测缺失的描述信息，包括：获取各候选信息的表征；根据所述第二事件节点的表征，以及所述第二事件节点中未缺失信息的表征，确定所述缺失的描述信息的表征；根据各候选信息的表征与所述缺失的描述信息的表征之间的相似度，从各候选信息中，确...

【专利技术属性】
技术研发人员：黄佳艳，陈玉光，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：