[发明专利]一种基于新标记模式的生物医学事件联合抽取方法

权利要求书

1.一种基于新标记模式的生物医学事件联合抽取方法，其特征在于，所述的基于新标记模式的生物医学事件联合抽取方法采用的标注方式如下：

根据语句中实体的种类数，使用含有四个字段的四元组{1-2-3-4}对实体进行标注；其中，1、2、3字段为基础字段，是标注事件所需要的最少字段；4字段为可选字段，当且仅当语句中包含复杂事件时用到，复杂事件包括嵌套事件和交叉事件；该四元组中每个字段的取值及具体含义如下表1：

表1 标注方式

具体步骤如下：

(1)原始语料预处理

A.分词和依存解析

分词是指将原始语料进行单词切分；分词后再通过依存解析获取语言单位内各成分之间的依存关系，揭示其句法结构，同时获取依存上下文用以训练基于依存关系的词向量；

B.词向量表示

采用word2vecf，利用依存上下文信息进行词向量训练，得到最终的句法词向量矩阵；

(2)训练集标注

对于训练集中已经明确的触发词、要素、事件类型，利用上述的标记方式对训练集中的词向量进行标记，得到训练集；

(3)训练神经网络

建立LSTM神经网络并将训练集代入进行训练，得到基于LSTM神经网络的生物事件抽取模型；

(4)对测试集进行分类

得到训练的LSTM神经网络后，将测试集代入，LSTM神经网络对测试集中的单词分类后，得到测试集每个句子中每个单词的标记结果，标记结果代表单词是否与构成事件有关、是否是触发词或要素以及所属的事件类型；

(5)SVM分类器处理生成事件

训练出实体的标记结果之后，得到了事件语义图中孤立的节点和边；首先，按照生物医学事件的约束进行组合构成合理的事件候选；然后，采用统计机器学习中的SVM的方法，判断该事件候选是否为事件；

完成上述事件抽取步骤后，最终即得到一个包含触发词、事件类型、要素三个元素的三元组，该三元组即表示一个完整的生物医学事件。