[发明专利]一种事件因果关系判别方法、装置和计算机可读存储介质

说明书

本申请实施例公开了一种事件因果关系判别方法、装置和计算机可读存储介质，该方法包括：获取原始的事件语料，并对所述事件语料进行预处理；所述预处理可以包括：事件抽取和事件标注；根据进行事件标注后的事件获取事件向量表示；将所述事件向量表示作为输入数据，输入预设的深度神经网络模型；通过预设的计算函数对所述深度神经网络模型的输出结果进行计算，以获取对多个事件之间的因果关系的预测。通过该实施例方案，有助于因果事件的分类，提高了分类结果的准确性。

技术领域

本文涉及信息处理技术，尤指一种事件因果关系判别方法、装置和计算机可读存储介质。

背景技术

目前随着人工智能技术的飞速发展，自然语言处理领域取得许多进展，许多先进的成果不断涌现，但是利用自然语言处理技术判别事件因果关系模拟事件之间的相互影响依然有待提高。因果事件关系判定可以应用在许多领域中，例如金融领域可以通过事件因果转移来评估金融风险事件对下游公司营业状态、股票涨跌等情况，为公司未来发展提供一个有价值的参考分析，可以有效的辅助决策，降低金融运营风险。

目前基于文本信息提取事件因果关系，主要是通过计算词语频次，通过TF-IDF(term frequency–inverse document frequency词频-逆文本频率指数)等词频信息构建特征向量，来进行分类识别。

目前技术方法仅仅利用了因果信息中事件中词语相互关系的频次信息，利用频次信息表示词语之间相互的充分和必要关系维度较为单一，受文本数据的内部词语分布影响较大。同时句子中的词语有些对于因果计算并没有太大的帮助，属于噪音的范畴，全部利用句子中的词语会带来信息冗余，甚至可能降低分类的准确性。

发明内容

本申请实施例提供了一种事件因果关系判别方法、装置和计算机可读存储介质，能够有助于因果事件的分类，提高分类结果的准确性。

本申请实施例提供了一种事件因果关系的判别方法，所述方法可以包括：

获取原始的事件语料，并对所述事件语料进行预处理；所述预处理包括：事件抽取和事件标注；

根据进行事件标注后的事件获取事件向量表示；

将所述事件向量表示作为输入数据，输入预设的深度神经网络模型；

通过预设的计算函数对所述深度神经网络模型的输出结果进行计算，以获取对多个事件之间的因果关系的预测。

本申请实施例还提供了一种事件因果关系的判别装置，可以包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现上述任意一项所述的事件因果关系的判别方法。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的事件因果关系的判别方法。

与相关技术相比，本申请实施例包括获取原始的事件语料，并对所述事件语料进行预处理；所述预处理可以包括：事件抽取和事件标注；根据进行事件标注后的事件获取事件向量表示；将所述事件向量表示作为输入数据，输入预设的深度神经网络模型；通过预设的计算函数对所述深度神经网络模型的输出结果进行计算，以获取对多个事件之间的因果关系的预测。通过该实施例方案，有助于因果事件的分类，提高了分类结果的准确性。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本申请实施例的事件因果关系的判别方法流程图；