[发明专利]事件检测模型、方法、装置、计算设备及存储介质

权利要求书

1.一种生成事件检测模型的方法，包括：

根据事件类型及所述事件类型对应的事件样本生成训练样本集，其中，所述训练样本集包含多个事件样本组，每个所述事件样本组包含两个事件样本，每个所述事件样本组对应一个事件类型匹配标记，若所述事件样本组中的两个事件样本为同一事件类型，所述事件样本组的匹配标记被记为第一标记值；若所述事件样本组中的两个事件样本为不同事件类型，所述事件样本组的匹配标记被记为第二标记值，所述第二标记值与所述第一标记值不同；

通过所述训练样本集对事件检测模型进行训练，得到所述事件检测模型，所述事件检测模型用来计算输入的两个事件的相似度，以根据相似度的大小判断两个事件的事件类型是否匹配；

其中，所述事件检测模型通过如下方法计算输入的两个事件的相似度：

通过分词方式将事件样本q和事件样本t分别转化成由词向量构成的向量形式；

对于q中的词x对应的词向量W_qx，采用t对应的所有词向量进行注意力机制计算，得到注意力向量W_{qx_att}；对于t中的词y对应的词向量W_ty，采用q对应的所有词向量进行注意力机制计算，得到注意力向量W_{ty_att}；

对q中的词x，将其对应的词向量W_qx和注意力向量W_{qx_att}进行拼接得到x对应的拼接向量，以及对t中的词y，将其对应的词向量W_ty和注意力向量W_{ty_att}进行拼接得到y对应的拼接向量；

将q中所有词对应的拼接向量进行对应维度加和得到输入文本向量，将t中所有词对应的拼接向量进行对应维度加和得到事件模版文本向量，并将所述输入文本向量和所述事件模版文本向量进行拼接，得到联接向量；

通过提取所述联接向量的特征计算相似度。

2.根据权利要求1所述的方法，其中所述事件样本组通过将各所述事件类型对应的事件样本进行两两组合得到。

3.根据权利要求1所述的方法，其中所述事件检测模型通过具有注意力机制的深度神经网络生成。

4.一种事件检测方法，包括：

调用权利要求1-3任一项所述的事件检测模型；

通过所述事件检测模型计算输入文本与事件模版库中多个事件模版文本之间的相似度，其中，所述事件模版库根据事件类型及所述事件类型对应的事件样本生成，所述事件模版库包含用作所述事件模版文本的事件样本，每个所述事件模版文本具有对应的事件类型；

输出与所述输入文本相似度最高的事件模版文本及对应的事件类型；

其中，所述通过所述事件检测模型计算输入文本与事件模版库中多个事件模版文本之间的相似度步骤包括：

通过分词方式将输入文本q和事件模版文本t分别转化成由词向量构成的向量形式；

对于q中的词x对应的词向量W_qx，采用t对应的所有词向量进行注意力机制计算，得到注意力向量W_{qx_att}；对于t中的词y对应的词向量W_ty，采用q对应的所有词向量进行注意力机制计算，得到注意力向量W_{ty_att}；

对q中的词x，将其对应的词向量W_qx和注意力向量W_{qx_att}进行拼接得到x对应的拼接向量，以及对t中的词y，将其对应的词向量W_ty和注意力向量W_{ty_att}进行拼接得到y对应的拼接向量；

将q中所有词对应的拼接向量进行对应维度加和得到输入文本向量，将t中所有词对应的拼接向量进行对应维度加和得到事件模版文本向量，并将所述输入文本向量和所述事件模版文本向量进行拼接，得到联接向量；

通过提取所述联接向量的特征计算相似度。

5.根据权利要求4所述的方法，还包括：

向所述事件模版库中添加自定义事件类型及对应的事件模版文本。

6.根据权利要求4所述的方法，其中所述多个事件模版文本为所述事件模版库中事件模版文本的全量。