[发明专利]一种事件触发词识别方法及装置

说明书

技术领域

本申请涉及模式识别技术领域，更具体地说，涉及一种事件触发词识别方法及装置。

背景技术

随着互联网的高速发展和信息高速公路的兴起，网络信息数据不断增加，从而使得大量的信息以电子文本的形式呈现在人们面前。因此，如何从这些大量的信息中迅速、准确地提取出人们所需求的重要信息就越发重要。

信息抽取是从文本中自动获取信息的一种主要手段。信息抽取是将无结构的文本信息，按照人们的需求识别和抽取出来。事件由事件触发词和描述事件结构的元素构成，事件抽取(Event Extraction)是信息抽取的一个重要研究方向。事件触发词是直接引发事件发生的词，对事件触发词的识别是进行事件抽取其他子任务的基础。

目前，事件触发词的识别方法主要为基于规则的方法，它主要是通过收集训练集中的触发词构成触发词表，然后通过触发词表及其他一些标注信息来识别出测试集中的触发词。该方法可以识别出较多的触发词，但是规则的定义需要耗费大量的人力，而且规则如果定义的不够好，则可能会过滤掉一些本身可以充当触发词的单词而导致识别效果较低。

发明内容

有鉴于此，本申请提供了一种事件触发词识别方法及装置，用于解决现有识别方法浪费人力且识别效果低的问题。

为了实现上述目的，现提出的方案如下：

一种事件触发词识别方法，包括：

获取语料库中各条原始语料的语料特征，组成可用语料；

利用预设的特征模板，从所述可用语料中提取所述语料特征，组成训练语料；

利用所述训练语料对条件随机场模型进行训练，得到训练后的目标条件随机场模型；

利用所述目标条件随机场模型对待测语料进行事件触发词的识别。

优选地，所述获取语料库中各条原始语料的语料特征，组成可用语料，包括：

对语料库中的各条原始语料进行分词，获得词特征及各个词特征对应的标签，所述标签标注了词特征是否为事件触发词；

确定每个所述词特征的词性特征，所述词性特征表明了词特征的词性；

按照词特征、词性特征及标签三者之间的对应关系进行存储，得到可用语料。

优选地，所述对语料库中的各条原始语料进行分词，包括：

利用中科院分词工具对各条原始语料进行分词。

优选地，所述确定每个所述词特征的词性特征，包括：

利用Stanford词性标准工具获取每个所述词特征的词性特征。

优选地，所述按照词特征、词性特征及标签三者之间的对应关系进行存储，包括：

在Excel表中，将不同词特征逐行存储为一列，并且将词特征、对应词性特征及对应标签存储在同一行的不同三列中。

一种事件触发词识别装置，包括：

可用语料获取单元，用于获取语料库中各条原始语料的语料特征，组成可用语料；

训练语料获取单元，用于利用预设的特征模板，从所述可用语料中提取所述语料特征，组成训练语料；

模型训练单元，用于利用所述训练语料对条件随机场模型进行训练，得到训练后的目标条件随机场模型；

触发词识别单元，用于利用所述目标条件随机场模型对待测语料进行事件触发词的识别。

优选地，所述可用语料获取单元包括：

分词单元，用于对语料库中的各条原始语料进行分词，获得词特征及各个词特征对应的标签，所述标签标注了词特征是否为事件触发词；

词性确定单元，用于确定每个所述词特征的词性特征，所述词性特征表明了词特征的词性；

存储单元，用于按照词特征、词性特征及标签三者之间的对应关系进行存储，得到可用语料。

优选地，所述分词单元包括：

第一分词子单元，用于利用中科院分词工具对各条原始语料进行分词。

优选地，所述词性确定单元包括：

第一词性确定子单元，用于利用Stanford词性标准工具获取每个所述词特征的词性特征。

优选地，所述存储单元包括：

第一存储子单元，用于在Excel表中，将不同词特征逐行存储为一列，并且将词特征、对应词性特征及对应标签存储在同一行的不同三列中。