[发明专利]一种中文同指事件识别方法及系统

权利要求书

1.一种中文同指事件识别方法，其特征在于，包括以下步骤：

S1、对同指标注文本和测试文本中每个包含事件的句子分别调用分词工具、实体识别工具和句法分析工具进行词语切分、实体识别和句法分析，得到预处理标注文本集合和预处理测试文本集合；

S2、分别从预处理标注文本集合和预处理测试文本集合中以文档为单位抽取事件类型相同的事件对及其特征信息，得到标注文本特征集合和测试文本特征集合；

S3、根据标注文本特征集合中各个事件对的特征，训练一个同指事件识别模型；再利用所述同指事件识别模型判别测试文本特征集合中每个特征对应的事件对是否存在同指关系，得到事件同指第一集合；

S4、对事件同指第一集合中初步识别的同指事件结果以文档为单位进行全局优化，得到事件同指集合；优化过程为：根据事件同指第一集合构建全局优化文档集合，所述全局优化文档集合中的每个文档包括一个目标函数和4种约束条件，所述4种约束条件为传递性约束、触发词词距离约束、触发词句距离约束和角色约束；并调用整形线性规划工具，对所述全局优化文档集合中的每个文档求解，得到最终的事件同指集合，具体步骤包括：

S401、以文档为单位，基于分类概率最大化的思想为测试文本中的每个文档创建目标函数，加入所述文档对应的全局优化文档(初始为空)，所有的全局优化文档构成全局优化文档集合；

S402、根据同指事件的传递性原理，如果Ei和Ej是同指事件，并且Ej和Ek是同指事件，则Ei和Ek是同指事件，为全局优化文档集合中的每个文档加入传递性约束条件，所述传递性约束条件为：x<i,j>+x<j,k>-x<i,k>≤1；

S403、如果事件同指第一集合中任意一个事件对(Ei,Ej)的触发词词距离小于第二阈值，并且它们的语义相似度θ大于等于第三阈值，为全局优化文档集合中的事件对(Ei,Ej)所在的文档加入触发词词距离约束条件为：x_＜i,j＞＝1，其中，触发词词距离是指分词后文档中的两个触发词之间词组的数量；

S404、如果事件同指第一集合中任意一个事件对(Ei,Ej)在文档中对应的事件句是相邻句或间隔1句，并且它们对应的事件类型在所述文档中出现次数最多，为全局优化文档集合中的事件对(Ei,Ej)所在的文档加入触发词句距离约束条件为：x_＜i,j＞＝1，其中，相邻句是指在文档中首尾相邻的两个句子；间隔1句是指两个句子中间有一个句子间隔；

S405、如果事件同指第一集合中任意一个事件对(Ei,Ej)具有至少一个相同的论元，并且所述论元在不同事件中对应的角色都在预先设定的角色约束集合中，则为全局优化文档集合中的事件对(Ei,Ej)所在的文档加入角色约束条件为：x_＜i,j＞＝1，其中，所述角色约束集合为根据同指标注文本统计得到的角色集合；

S406、把全局优化文档集合中的每个全局优化文档作为输入，调用整形线性规划工具，对每个所述全局优化文档求解，得到最终的事件同指集合，其中，所述事件同指集合的每一项表示一个事件对的结果，其格式为：x<i,j>＝0或1，其中值为1表示事件对(Ei,Ej)是同指事件，值为0表示不是同指事件。

2.根据权利要求1所述的方法，其特征在于，在步骤S1中，所述同指标注文本和所述测试文本是已经标注了事件各类信息的文本，由各种事件抽取工具或人工生成，且所述同指标注文本是进行同指事件识别的训练语料，标注了所有的同指事件关系；所述测试文本是进行同指事件识别的文本。

3.根据权利要求1所述的方法，其特征在于，步骤S1还包括：

S101、分别对同指标注文本和测试文本中的每个事件句调用分词工具切分词语，得到用空格分隔词语的分词标注集合和分词测试集合；

S102、分别对分词标注集合和分词测试集合中的每个事件句调用实体识别工具识别实体并标注实体类型，得到实体识别标注集合和实体识别测试集合，所述实体识别标注集合和实体识别测试集合中每个实体标注格式为“实体/实体类型”；

S103、分别对实体识别标注集合和实体识别测试集合中的每个事件句调用句法分析工具进行句法分析，得到预处理标注文本集合和预处理测试文本集合。