事件关系预测模型训练方法技术

本申请实施例提供了一种事件关系预测模型训练方法

【技术实现步骤摘要】
事件关系预测模型训练方法、预测方法、装置及电子设备


[0001]本申请涉及计算机
，更具体地，涉及一种事件关系预测模型训练方法
、
预测方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]近年来突发事件频繁发生，全社会对突发事件的关注度越来越高
。
在没有充分准备的情况下，突发事件往往令人措手不及，如果涉及到生命安全，则时间就是生命
。
因此，只有快速
、
准确地应对突发事件，才能为生命安全保驾护航
。
在越来越多突发事件的情况处理中积累的相关经验就可以作为应对未来突发事件的预准备措施
。
[0003]然而相关技术中，对于事件关系的分析预测通常是根据用户的理解，但是基于用户的理解显然不能快速分析得到事件之间的关系，也不能及时作出相关的应对
。
因此提出一种能够准确预测出事件之间的关系的方法是亟待解决的技术问题
。

技术实现思路

[0004]有鉴于此，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种事件关系预测模型训练方法，其特征在于，所述方法包括：获取多组样本事件对，每组样本事件对包括两个样本事件和两个样本事件之间的事件关系标签；对所述样本事件对中的每个样本事件分别进行特征提取，得到样本事件对中每个样本事件的目标特征；将样本事件对中的各样本事件的目标特征进行融合处理，得到样本事件对的融合特征；基于各所述样本事件对的融合特征和各所述样本事件对之间的事件关系标签训练事件关系预测模型，获得所述事件关系预测模型训练过程中的模型损失；基于该模型损失调整所述事件关系预测模型的模型参数，得到训练后的事件关系预测模型，其中，训练后的事件关系预测模型对所述样本事件对进行预测得到的预测结果与该样本事件对的事件关系标签满足一致性要求
。2.
根据权利要求1所述的方法，其特征在于，所述对所述样本事件对中的每个样本事件分别进行特征提取，得到样本事件对中每个样本事件的目标特征，包括：对所述样本事件对中的每个样本事件分别采用多种特征提取方式进行提取，得到每个样本事件对应的多种特征；对每个样本事件对应的多种特征进行拼接，得到样本事件对中每个事件的目标特征
。3.
根据权利要求2所述的方法，其特征在于，所述多种特征包括向量特征
、
编码特征以及关键词特征，所述获取多组样本事件对，包括
:
获取包括多个句子文本的事件文本，其中，每个句子文本对应一个样本事件；对多个句子文本对应的样本事件进行两两组合，得到多组样本事件对；对各句子文本进行分词处理，得到每组所述样本事件对中各样本事件对应的句子文本的触发关键词以及该句子文本中的词语的词性；所述对所述样本事件对中的每个样本事件分别采用多种特征提取方式进行提取，得到样本事件对中每个样本事件对应的多种特征，包括：利用语言模型对所述样本事件对中的每个样本事件分别进行特征提取，得到样本事件对中每个样本事件的向量特征；基于对样本事件对中的每个样本事件对应词语的词性进行编码处理，得到样本事件对中每个样本事件的编码特征；利用关系图卷积神经网络对样本事件对中的每个样本事件对应的触发关键词进行特征提取，得到样本事件对中每个样本事件的关键词特征
。4.
根据权利要求1所述的方法，其特征在于，所述将样本事件对中的各样本事件的目标特征进行融合处理，得到样本事件对的融合特征，包括：对样本事件对中各样本事件的目标特征进行数学计算，得到所述样本事件对的计算特征向量；将所述样本事件对的计算特征向量与该样本事件对中的各样本事件的目标特征进行拼接，得到所述样本事件对的融合特征
。5.
根据权利要求4所述的方法，其特征在于，所述样本事件对的计算特征向量包括减法向量和乘积向量，所述对样本事件对中各样本事件的目标特征进行数学计算，得到所述样
本事件对的计算特征向量，包括：将所述样本事件对中各样本事件的目标特征相减，得到该样本事件对的减法向量；将所述样本事件对中各样本事件的目标特征相乘，得到该样本事件对的乘积向量
。6.
根据权利要求1所述的方法，其特征在于，所述多组样本事件对中包括满足对称一致性的至少两组样本事件对和满足连接一致性的至少三组样本事件对，所述基于各所述样本事件对的融合特征和各所述样本事件对之间的事件关系训练事件关系预测模型，获得所述事件关系预测模型训练过程中的模型损失，包括：将各所述样本事件对的融合特征事件关系预测模型得到各样本事件对的关系预测结果；基于各所述样本事件对的预测结果和各所述样本事件对的事件关系标签，获得所述事件关系预测模型训练过程中的模型的注释一致性损失；基...

【专利技术属性】
技术研发人员：周旭扬，郭伟刚，赵哲，管仁初，
申请(专利权)人：吉林大学，
类型：发明
国别省市：