一种文本信息中事件类型提取方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种文本信息中事件类型提取方法、装置、介质及设备，所述方法包括：获取文本信息；从所述记忆网络模型中获得与所述文本句子对应的句子表示向量；从所述记忆网络模型的动态多池层中获得与所述句子表示向量对应的句子级特征；从所述记忆网络模型中获得与所述文本句子对应的隐藏嵌入信息；从所述神经网络模型中获得与所述隐藏嵌入信息对应的上层特征；将所述文本语法输入至预设的图注意力网络模型，并根据所述文本语法，从所述图注意力网络模型中获得对应的语法级特征；根据上述所有特征，从预设的分类层中得到对应的概率最大的事件类型作为与所述文本信息对应的事件类型。本发明专利技术实施例能从文本信息中提取更精准的事件类型。的事件类型。的事件类型。

【技术实现步骤摘要】
一种文本信息中事件类型提取方法、装置、介质及设备


[0001]本专利技术涉及计算机
，尤其涉及一种文本信息中事件类型提取方法、装置、介质及设备。

技术介绍

[0002]在现有技术中，获取到文本信息后，再将文本信息输入至一个预先配置好的网络模型中，这一个网络模型再从文本信息中分别提取出对应的句子级特征、语法级特征和上层事件类型特征，再根据上述所有特征，从网络模型中查找得到与文本信息对应的事件类型，其中语法级特征只取决于其对应的文本信息中的某个句子。
[0003]可见，现有技术提取得到的多个语法级特征之间并无关联，从而无法从文本信息中提取得到更加符合语法逻辑的事件类型，并且句子级特征、语法级特征和上层事件类型特征只由同一个模型分别提取得到，无法针对不同的特征设置更适合的模型，从而无法从文本信息中提取得到更精准的事件类型。

技术实现思路

[0004]为了解决上述技术问题，本专利技术实施例提出了一种文本信息中事件类型提取方法、装置、介质及设备，通过针对不同的特征设置更适合的模型，从文本信息中分别提取得到句子级特征、语法级特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本信息中事件类型提取方法，其特征在于，包括：获取文本信息；其中，所述文本信息包括文本句子和文本语法；将所述文本句子输入至预设的记忆网络模型；从所述记忆网络模型中获得与所述文本句子对应的句子表示向量；从所述记忆网络模型的动态多池层中获得与所述句子表示向量对应的句子级特征；从所述记忆网络模型中获得与所述文本句子对应的隐藏嵌入信息，并将所述隐藏嵌入信息发送至预设的神经网络模型；从所述神经网络模型中获得与所述隐藏嵌入信息对应的上层特征；将所述文本语法输入至预设的图注意力网络模型，并根据所述文本语法，从所述图注意力网络模型中获得对应的语法级特征；根据所述句子级特征、所述语法级特征和所述上层特征，从预设的分类层中得到与不同事件类型对应的概率，并将概率最大的事件类型作为与所述文本信息对应的事件类型。2.如权利要求1所述的文本信息中事件类型提取方法，其特征在于，所述从所述记忆网络模型中获得与所述文本句子对应的句子表示向量，具体为：根据所述文本句子，按照文本顺序获得若干个句子；采用所述记忆网络模型对每一所述句子编码，获得一一对应的句子表示向量。3.如权利要求2所述的文本信息中事件类型提取方法，其特征在于，所述从所述记忆网络模型的动态多池层中获得与所述句子表示向量对应的句子级特征，具体为：从所述动态多池层中获得与每一所述句子表示向量一一对应的句子功能向量；将所有的句子功能向量划分为两组，获得第一句子功能向量组和第二句子功能向量组；采用所述动态多池层对所述第一句子功能向量组计算获得第一最大池结果，对所述第二句子功能向量组计算获得第二最大池结果；根据所述第一最大池结果和所述第二最大池结果，通过所述动态多池层获得句子级特征。4.如权利要求1所述的文本信息中事件类型提取方法，其特征在于，所述从所述神经网络模型中获得与所述隐藏嵌入信息对应的上层特征，具体为：根据所述隐藏嵌入信息，从所述神经网络模型中查找得到与预设的若干个事件类型一一对应的注意力得分；对所有注意力得分计算得到加权和值，并将所述加权和值作为与所述隐藏嵌入信息对应的上层特征。5.如权利要求4所述的文本信息中事件类型提取方法，其特征在于，所述对所有注意力得分计算得到加权和值，并将所述加权和值作为与所述隐藏嵌入信息对应的上层特征，具体为：通过注意力机制聚合所有注意力得分，再计算得到加权和值，并将所...

【专利技术属性】
技术研发人员：张延斌，孙业全，柯国富，金俣含，闫圣学，
申请(专利权)人：广州广哈通信股份有限公司，
类型：发明
国别省市：