[发明专利]基于事件隐式要素与显式联系的事件预测方法和装置

权利要求书

1.一种基于事件隐式要素与显式联系的事件预测方法，其特征在于，包括：

获取事件文本中的多个事件的事件要素；

基于自注意力机制提取跨事件的事件要素之间的第一关系特征，所述第一关系特征包括跨事件的事件要素之间的语义联系特征；

基于所述第一关系特征进行事件预测。

2.如权利要求1所述的事件预测方法，其特征在于，提取跨事件的事件要素之间的第一关系特征包括：

按照事件时序对事件和/或事件要素进行拼接；

基于掩模机制在拼接后的结果中计算当前事件要素相对于前驱事件中的事件要素的注意力权重；

根据所述注意力权重确定所述第一关系特征。

3.如权利要求2所述的事件预测方法，其特征在于，在计算跨事件的事件要素之间的注意力权重之前包括：

获取所述事件要素的多个语义空间；

基于事件要素的语义空间计算事件要素在不同语义空间中语义特征。

4.如权利要求1所述的事件预测方法，其特征在于，所述事件文本包括上下文事件集合和候选事件集合；

基于所述第一关系特征进行事件预测包括：

基于所述第一关系特征计算上下文事件向量和候选事件向量；

计算所述上下文事件向量和候选事件向量的相关性值；

根据所述相关性值选取候选事件作为事件预测结果。

5.如权利要求4所述的事件预测方法，其特征在于，基于所述第一关系特征计算多个事件的事件向量上下文事件向量和候选事件向量包括：

整合所述事件要素得到包含所述第一关系特征的整合事件向量；

基于所述整合事件向量提取事件图和/或事件链中的事件之间的第二关系特征，所述事件图和/或事件链由多个事件构建而成，所述第二关系特征包括事件之间演化关系特征；

基于所述第二关系特征计算所述上下文事件向量和候选事件向量，所述上下文事件向量和所述候选事件向量包含所述第一关系特征和所述第二关系特征。

6.如权利要求5所述的事件预测方法，其特征在于，基于整合事件向量提取事件图和/或事件链中的事件之间的第二关系特征包括：

获取事件图的邻接矩阵，所述事件图包括事件节点和用于表征事件图结构的邻接矩阵；

将所述邻接矩阵和所述整合事件向量输入训练好的图卷积网络中，得到所述第二关系特征，所述整合事件向量用于作为事件图的事件节点的节点特征。

7.如权利要求6所述的事件预测方法，其特征在于，根据所述邻接矩阵和所述整合事件向量得到所述第二关系特征之前包括：

利用拉普拉斯矩阵得到事件节点间的相关性权重；

根据所述相关性权重按照图卷积网络的层数将事件节点的节点特征和与所述事件节点连接的邻居事件节点的节点特征进行聚合，得到包含邻居事件节点的节点特征的事件节点。

8.一种基于事件隐式要素与显式联系的事件预测装置，其特征在于，包括：

获取模块，用于获取事件文本中的多个事件的事件要素；

提取模块，用于提取跨事件的事件要素之间的第一关系特征，所述第一关系特征用于表征跨事件的事件要素之间的语义联系特征；

预测模块，用于基于所述第一关系特征进行事件预测。

9.一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行所述权利要求1-7任意一项基于事件隐式要素与显式联系的事件预测方法。

10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7任意一项所述的基于事件隐式要素与显式联系的事件预测方法。