[发明专利]一种构建因果关系确定模型的方法、装置和设备

说明书

本申请提供了一种构建因果关系确定模型的方法、装置和设备。所述方法包括：获取原始语料集；所述原始语料集中包括至少一个第一候选文本；根据目标事件因果关系模板在所述原始语料集中筛选第二候选文本；针对每一个第二候选文本，根据所述第二候选文本中每一个词的词向量和每一个字的字向量，确定所述第二候选文本的语句向量；基于每一个第二候选文本的语句向量对待训练的因果关系确定模型进行训练，得到训练好的因果关系确定模型。本申请首先通过以字和词同时作为表达语义的表示形式，提高了表达语义的准确度，进而可以通过分析语义有效识别出具有隐性因果关系的文本。

技术领域

本发明涉及深度学习技术领域，具体而言，涉及一种构建因果关系确定模型的方法、装置和设备。

背景技术

中文的因果关系包含很多特点，首先，中文语料具有价值稀疏性、碎片性和隐含性；其次，一个事件在不同语境下，可能是原因，也可能是结果。因此，因果关系识别比较困难。

现有技术中，因果关系的识别主要通过模板匹配方法，通过模板匹配方法识别因果关系虽然具有很高的准确率，但是仅能识别显性因果关系，隐性因果关系识别率低。

发明内容

有鉴于此，本发明的目的在于提供一种构建因果关系确定模型的方法、装置和设备，解决了现有技术中确定具有隐性因果关系的文本识别率低的问题。

第一方面，本申请实施例提供了一种构建因果关系确定模型的方法，该方法包括：

获取原始语料集；所述原始语料集中包括至少一个第一候选文本；

根据目标事件因果关系模板在所述原始语料集中筛选第二候选文本；

针对每一个第二候选文本，根据所述第二候选文本中每一个词的词向量和每一个字的字向量，确定所述第二候选文本的语句向量；

基于每一个第二候选文本的语句向量对待训练的因果关系确定模型进行训练，得到训练好的因果关系确定模型。

可选的，所述基于每一个第二候选文本的语句向量对待训练的因果关系确定模型进行训练，得到训练好的因果关系确定模型，包括：

针对每一个第二候选文本的语句向量，将所述第二候选文本的语句向量作为正样本输入至待训练的因果关系确定模型，将所述第二候选文本的因果关系标签作为负样本输入至待训练的因果关系确定模型，对所述待训练的因果关系确定模型进行训练；

针对每一个第二候选文本的语句向量，将正样本输入至待训练的因果关系确定模型得到的输出结果与所述因果关系标签进行比对，根据比对结果确定所述待训练的因果关系确定模型训练精度，当所述训练精度达到预设精度值时，训练结束，得到训练好的因果关系确定模型。

可选的，所述针对每一个第二候选文本，根据所述第二候选文本中每一个词的词向量和每一个字的字向量，确定所述第二候选文本的语句向量，包括：

针对每一个第二候选文本，基于所述第二候选文本所对应的词向量和字向量，通过注意力机制生成所述第二候选文本的语句向量。

可选的，所述方法还包括：

获取待识别文本集合；所述待识别文本集合中包括至少一个待识别文本；

将每一个所述待识别文本分别输入至训练好的因果关系确定模型，根据训练好的因果关系确定模型的输出结果确定出具有目标因果关系的目标文本。

可选的，在将每一个所述待识别文本分别输入至训练好的目标因果关系确定模型之前，还包括：

针对每一个待识别文本，根据所述待识别文本中每一个词的词向量和每一个字的字向量，确定所述待识别文本的语句向量。