[发明专利]基于远程监督的新闻情感实体抽取方法

权利要求书

1.一种基于远程监督的新闻情感实体抽取方法，其特征在于，包括以下步骤：

步骤1：采用爬虫技术，爬取官方新闻网站新闻预料并缓存至本地仓库；

步骤2：对爬取的新闻语料进行预处理，获得切分成句的新闻预料；

步骤3：构建关键实体知识库，根据知识库对切分成句的新闻预料进行自动标注；

步骤4：利用标注了的新闻预料对情感句抽取模型进行训练使其具备对输入句子进行自动情感判断的能力；

步骤5：利用步骤4抽取出情感句，将情感句作为情感实体抽取模型的训练集进行训练，使其具备抽取句中情感的持有者、表达对象、事件的能力；

步骤6:采用步骤1、步骤2的方法爬取新闻语料并切分成句，将切分成句的新闻语料输入训练好的情感句抽取模型抽取情感句，并将抽取的情感句输入训练好的情感实体抽取模型，获得情感实体。

2.根据权利要求1所述的基于远程监督的新闻情感实体抽取方法，其特征在于，爬取官方新闻网站相关新闻的具体方法为：

通过解析官方网站带关键字的搜索结果，获取与事件相关的新闻网址；

根据新闻网址解析新闻内容，获取新闻的标题、时间、具体内容并缓存至本地仓库。

3.根据权利要求1所述的基于远程监督的新闻情感实体抽取方法，其特征在于，对爬取的新闻语料进行预处理包括：

将爬取的新闻语料从进行数据清洗，去除冗余以及与主题无关的脏数据；

以标点符号作为标志对本地仓库中的新闻语料进行句子划分。

4.根据权利要求1所述的基于远程监督的新闻情感实体抽取方法，其特征在于，构建的关键实体知识库为人物、组织、国家、事件实体知识库。

5.根据权利要求1所述的基于远程监督的新闻情感实体抽取方法，其特征在于，根据知识库对切分成句的新闻预料进行自动标注的原则为：当句子中出现超过n个知识库实体时标注为带情感句，n为设定的自然数。

6.根据权利要求1所述的基于远程监督的新闻情感实体抽取方法，其特征在于，所述情感句抽取模型包括字向量表达层、SoftMax分类层，分别具体为：

所述字向量表达层采用BERT预训练模型，用于对切分成句的新闻文本数据中的每个字进行特征提取得到字特征；

所述SoftMax分类层用于预测输出类别上的概率分布并解码标签，通过预测结果判断输入句子是否为情感句。

7.根据权利要求1所述的基于远程监督的新闻情感实体抽取方法，其特征在于，所述情感实体抽取模型包括字向量层、编码器、解码器，分别具体为：

所述字向量层采用BERT预训练模型，用于获得情感句的子特征；

所述编码器采用双向的长短时记忆神经网络，用于提取输入文本的语义特征；

所述解码器采用条件随机场，用于将语义特征解码成对应的标签，根据预测的标签值，获取对应的实体位置与实体类别。