[发明专利]一种基于神经网络的新闻事件抽取的方法及系统

权利要求书

1.一种基于神经网络的新闻事件抽取的方法，其特征在于：包括以下步骤：

步骤S1，对训练语料原始文本进行数据预处理：对训练语料原始文本进行分句，得到事件句，然后对事件句进行分词、命名体识别；根据人工标注的新闻事件信息，将事件句进行序列标注，触发词根据其类型进行标注，非触发词标注为无类别，得到事件句序列；并将事件句序列以词向量的形式进行表述；

步骤S2，将以词向量表示的事件句序列传入到双向长短时记忆网络，利用双向长短时记忆网络来训练得到每个候选触发词的语义特征；

步骤S3，将以词向量表示的事件句序列传入到卷积神经网络中，利用卷积神经网络训练得到候选触发词所在事件句的全局特征；

步骤S4，根据步骤S2中得到的候选触发词的语义特征与步骤S3中获得的候选触发词所在句子的全局特征，利用softmax作为分类器来对每个候选触发词进行分类，从而找出新闻事件的触发词，并根据触发词类型，判断该事件所属类型。

2.根据权利要求1所述的基于神经网络的新闻事件抽取的方法，其特征在于：步骤S1具体为：

步骤S11，采用自然语言处理工具对训练语料原始文本进行分句，分词和命名体识别，使训练语料原始文本以事件句和每句包含若干个词汇呈现，则事件句表达为L＝{w₁,w₂,…,w_i,…,w_n}，其中w_i为句子中第i个词，n表示事件句长度；

步骤S12，根据分词和命名体识别结果，对事件句进行人工标注，在标注过程中，将非触发词标记为无类型，触发词根据所属新闻事件类别进行标注，得到事件句序列；

步骤S13，通过开源工具包word2vec训练得到词向量，采用Skip-gram模型，根据训练得到的词向量，将事件句序列中每个词表述为一个300长度的向量；

步骤S14，将每个事件句处理成词向量表述的序列形式，即每个候选触发词w_i以一个300长度的词向量x_i来表示，事件句表述为L＝{x₁,x₂,…,x_i,…,x_n}。

3.根据权利要求1所述的基于神经网络的新闻事件抽取的方法，其特征在于：步骤S2具体为：

步骤S21，假设事件句表述为L＝{x₁,x₂,…,x_i,…,x_n}，其中x_i为第i个候选触发词的词向量，n表示句子长度；

步骤S22，将L作为一个序列传入长短时记忆网络，得到序列的输出结果FW＝{fw₁,fw₂,…,fw_i,…,fw_n}，其中，fw_i表示第i个候选触发词经过长短时记忆网络提取出来的语义特征；

步骤S23，将L进行反转即L′＝{x_n,x_n-1,…,x_i,…,x₁}，将反向序列L′传入长短时记忆网络，得到反向序列的输出结果BW＝{bw₁,bw₂,…,bw_i,…,bw_n}，其中，bw_i个候选触发词经过反向长短时记忆网络提取出来的语义特征；

步骤S24，将双向长短时记忆网络获得输出结果的FW与BW进行拼接，得到句子L经过双向长短时记忆网络的输出结果，即O＝{r₁,r₂,…,r_i,…,r_n}，其中r_i＝[fw_i:bw_i]。