[发明专利]一种事理关系提取方法及装置

说明书

本申请提供了一种事理关系提取方法及装置，包括：获取待识别语料；将所述待识别语料输入至预先训练好的特征提取模型中，得到所述待识别语料中关键词的词向量；基于所述关键词的词向量、以及预先分类好的至少一个关键词集合，确定所述关键词所属的目标关键词集合，并将所述目标关键词集合对应的事理关系确定为所述待识别语料的事理关系。通过这种方法，可以提高事理图谱中事理关系提取的精度。

技术领域

本申请涉及互联网技术领域，尤其是涉及一种事理关系提取方法及装置。

背景技术

随着深度学习的兴起，人工智能迎来了新的发展高潮，许多人工智能的应用依赖于对事理逻辑知识的深刻理解。目前人工智能中应用较多的为知识图谱，然而知识图谱大多聚焦于实体和实体之间的关系，缺乏对事理逻辑知识的挖掘，于是又提出了事理图谱的概念。

事理图谱描述了事件之间的演化规律和模式，事理图谱为一个有向有环图，节点代表了事件，有向边代表了事件之间的事理关系，事件之间的事理关系的精度将会影响神经网络的精度，因此需要一种提取事理关系的方法。

发明内容

有鉴于此，本申请的目的在于提供一种事理关系提取方法及装置，以提高事理图谱中事理关系提取的精度。

第一方面，本申请实施例提供了一种事理关系提取方法，包括：

获取待识别语料；

将所述待识别语料输入至预先训练好的特征提取模型中，得到所述待识别语料中关键词的词向量；

基于所述关键词的词向量、以及预先分类好的至少一个关键词集合，确定所述关键词所属的目标关键词集合，并将所述目标关键词集合对应的事理关系确定为所述待识别语料的事理关系。

一种可能的实施方式中，所述关键词为所述待识别语料中的承接词。

一种可能的实施方式中，所述特征提取模型包括关键词提取模型和特征提取子模型；

所述将所述待识别语料输入至预先训练好的特征提取模型中，得到所述待识别语料中关键词的词向量，包括：

将所述待识别语料输入至所述关键词提取模型，得到所述待识别语料对应的预测文本标注；

基于所述预测文本标注确定所述待识别语料的关键词；

将所述待识别语料输入至所述特征提取子模型，得到所述待识别语料的每一个字的词向量，并基于所述待识别语料的关键字，确定所述关键字的词向量。

一种可能的实施方式中，按照以下方法确定所述至少一个关键词集合：

获取多个样本关键词，以及每个样本关键词对应的词向量；

分别计算每两个样本关键词的词向量之间的第一特征相似度，当所述第一特征相似度满足第一预设条件时，将所述两个样本关键词划分至同一关键词集合。

一种可能的实施方式中，按照以下方法确定每个关键词集合对应的事理关系：

确定关键词集合中所包含的样本关键词的词向量的均值词向量；

计算所述关键词集合中每一个样本关键词的词向量与所述均值词向量之间的第二特征相似度；

将所述第二特征相似度满足第二预设条件的样本关键词确定为所述关键词集合对应的事理关系。

一种可能的实施方式中，所述基于所述关键词的词向量、以及预先分类好的至少一个关键词集合，确定所述关键词所属的目标关键词集合，包括：

计算所述关键词的词向量与每一个所述关键词集合的均值词向量之间的第三特征相似度；

将所述第三特征相似度最高的关键词集合确定为所述关键词所属的目标关键词集合。