[发明专利]一种中文事件信息挖掘方法和系统

权利要求书

1.一种中文事件信息挖掘方法，其特征在于，包括：

对原始文本的每个文档中的句子进行分析、处理，得到原始文本的候选模板集合，所述候选模板集合包括至少一个候选模板，所述候选模板包括由所述句子的候选事件锚、所述句子的实体、所述候选事件锚到所述实体的句法路径和所述候选事件锚到所述实体的依存路径构成的四元组；

定义需要从所述原始文本中挖掘事件的X种事件样本模型，所述定义的事件样本模型包括事件类型、事件角色和事件角色对应实体的实体类型，不同事件样本模型的事件类型不同，所述X为不小于1的自然数；

对每种事件类型的事件样本模型依次进行实例化处理和信息标注处理，得到所述事件样本模型对应的携带有标注信息的种子事件，各事件样本模型对应的种子事件构成种子事件集合，所述标注信息包括种子事件锚、各个种子事件角色对应的实体及其实体类型；

依据相应的标注信息，对所述种子事件集合中的每个种子事件进行分析、处理，得到所述种子事件集合对应的种子模板集合，所述种子模板集合包括至少一个种子模板，所述种子模板包括由所述种子事件的种子事件锚、所述种子事件的实体、所述种子事件锚到所述实体的句法路径和所述种子事件锚到所述实体的依存路径构成的四元组；

基于所述种子模板集合中的种子模板，采用迭代的方法，依据候选模板评级得分和候选模板与种子模板间的语义相似度对所述候选模板集合进行处理，得到挖掘事件锚集合，所述挖掘事件锚集合包括至少一个挖掘事件锚；

依据所述挖掘事件锚集合中每个挖掘事件锚和所述种子事件集合中的任一种子事件锚的词汇语义相似度，获取所述挖掘事件锚所对应的事件类型。

2.根据权利要求1所述的方法，其特征在于，所述对原始文本的每个文档中的句子进行分析、处理，得到原始文本的候选模板集合具体包括：

对原始文本每个文档中的句子依次进行词语切分，实体识别、句法分析和依存关系分析，得到原始文本的实体标注句子集合、句法树集合和依存关系集合；

根据词性从所述句法树集合中选择候选事件锚，并依据预先制定的第一过滤规则对所述候选事件锚进行过滤，得到过滤后的候选事件锚；

对于过滤后的任意一个候选事件锚，获取所述候选事件锚所在句子的所有实体，所述实体作为候选实体，并依据预先制定的第二过滤规则对所述候选实体进行过滤，得到过滤后的候选实体。

分别依据所述句法树集合和依存关系集合，获取所述过滤后的候选事件锚中每一候选事件锚与其所在句子中任一过滤后的候选实体间的句法路径和依存路径，将所述候选事件锚、所述实体、所述句法路径以及所述依存路径组合为四元组，并将所述四元组标记为候选模板，所有的候选模板构成候选模板集合。

3.根据权利要求2所述的方法，其特征在于，所述依据相应的标注信息，对所述种子事件集合中的每个种子事件进行分析、处理，得到所述种子事件集合对应的种子模板集合具体包括：

对所述种子事件集合中的每个种子事件进行词语切分、实体识别、句法分析和依存关系分析，得到种子事件句法集合和种子事件依存关系集合；

分别依据所述种子事件句法集合和种子事件依存关系集合，获取所述种子事件的种子事件锚与其所在句子中任一实体间的句法路径和依存路径，将所述种子事件锚、所述实体、所述句法路径以及所述依存路径组合为种子事件的四元组，将所述种子事件的四元组标记为种子模板，种子事件集合对应的所有的种子模板构成种子模板集合。