[发明专利]基于图注意力神经网络的事件检测方法、装置和电子设备

说明书

本申请公开了一种基于图注意力神经网络的事件检测方法，包括：获取输入句子的图结构数据；将图结构数据的每个该节点输入到预设的图注意力神经网络以更新该节点的特征向量；根据更新后的每个节点的特征向量判定句子的触发词；更新每个节点的特征向量包括：计算当前节点在句子中的权重，以及当前节点与当前节点的邻居节点之间的相关系数权重；根据当前节点在句子中的权重，以及当前节点与邻居节点之间的相关系数权重，计算当前节点赋予给邻居节点的注意力分数；根据注意力分数更新当前节点的特征向量。本方案在利用邻居节点的特征聚合更新中心节点的过程中，更加全面的考虑了中心节点对其邻居节点赋予的权重参数问题，大大提高了事件检测的精确率。

技术领域

本申请涉及自然语言处理领域，尤其涉及一种基于图注意力神经网络的事件检测方法、装置和电子设备。

背景技术

目前将图神经网络应用于事件领域的方法主要有两种：一种是利用具有参数感知池的图卷积神经网络进行事件抽取。二是基于注意力的图卷积神网络进行事件抽取。上述的两种方法都是通过利用句子的语法依赖树的边将序列结构的数据转为图结构数据，将序列结构数据的单词分类任务建模成图结构数据的节点分类任务。同时在图结构数据的节点分类问题还有一种利用图注意力网络神经网络进行节点分类的方法。

以上方法通过利用图中一个节点的所有邻居节点的特征对本节点进行信息聚合并更新本节点的特征，使得每个节点具有更加丰富的语义特征，提高节点分类的准确性。

发明内容

有鉴于此，本说明书实施例提供了一种基于图注意力神经网络的事件检测方法、装置和电子设备，用于提高事件检测的准确率。

本申请实施例采用下述技术方案：

本说明书实施例提供了一种基于图注意力神经网络的事件检测方法，所述方法包括：

获取输入句子的图结构数据；

针对图结构数据的任一节点，将所述图结构数据的每个该节点输入到预设的图注意力神经网络以更新该节点的特征向量；

根据更新后的每个节点的特征向量判定所述句子的触发词；

确定触发词的类别，根据触发词类别确定所述句子对应的事件；

其中，更新每个节点的特征向量包括：

计算当前节点在所述句子中的权重，以及当前节点与当前节点的邻居节点之间的相关系数权重；

根据当前节点在所述句子中的权重，以及当前节点与当前节点的邻居节点之间的相关系数权重，计算当前节点赋予给当前节点的邻居节点的注意力分数；

根据所述注意力分数更新当前节点的特征向量。

本说明书实施例还提供了一种电子设备，包括：至少一个处理器和存储器，所述存储器存储有程序，并且被配置成由所述至少一个处理器执行上述的事件检测方法。

本说明书实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现上述的事件检测方法。

本说明书实施例还提供了一种图注意力神经网络的事件检测装置，所述装置包括：

获取单元，所述获取单元用于获取输入句子的图结构数据；

更新单元，所述更新单元用于对所述图结构数据的每个节点的特征向量进行更新；

识别单元，所述识别单元用于根据更新后的每个节点的特征向量判定所述句子的触发词；

处理单元，所述处理单元用于确定触发词的类别，以及根据触发词类别确定所述句子对应的事件；

其中，所述更新单元更新每个节点的特征向量，具体包括：