[发明专利]事件信息抽取方法、装置及电子设备

权利要求书

1.一种事件信息抽取方法，其特征在于，包括：

获取待处理的语句；

将所述语句输入序列标注模型，以获取所述语句对应的向量，以及所述语句中的实体以及触发词；

针对每个实体触发词对，对所述语句对应的向量、对中触发词在所述语句中的位置向量、对中实体在所述语句中的位置向量进行拼接，得到拼接后向量；

将多个所述拼接后向量输入文本分类模型，以获取所述语句中的事件信息。

2.根据权利要求1所述的事件信息抽取方法，其特征在于，在将所述语句输入序列标注模型之前，还包括：

获取依次连接的初始序列标注模型和初始文本分类模型；

获取训练数据，其中，所述训练数据包括：样本语句以及对应的样本事件信息；

以所述训练数据中的样本语句为输入，以所述样本语句对应的样本事件信息为输出，结合所述初始分类模型输出的预测事件信息和所述样本事件信息对所述初始序列标注模型和所述初始文本分类模型的系数进行联合调整，以实现训练。

3.根据权利要求2所述的事件信息抽取方法，其特征在于，所述初始序列标注模型包括：依次连接的经过预训练的语义表示层、双向神经网络层、图向量层和实体触发词抽取层；

其中，所述语义表示层，用于获取所述语句中各个字对应的向量；

所述双向神经网络层和所述图向量层，用于结合所述各个字对应的向量，获取所述语句对应的向量；

所述实体触发词抽取层，用于结合所述语句对应的向量，抽取所述语句中的实体以及触发词。

4.根据权利要求3所述的事件信息抽取方法，其特征在于，所述以所述训练数据中的样本语句为输入，以所述样本语句对应的样本事件信息为输出，结合所述初始分类模型输出的预测事件信息和所述样本事件信息对所述初始序列标注模型和所述初始文本分类模型的系数进行联合调整，包括：

以所述训练数据中的样本语句为输入，以所述样本语句对应的样本事件信息为输出，结合所述初始分类模型输出的预测事件信息和所述样本事件信息对所述初始序列标注模型中所述语义表示层的后3层系数、所述双向神经网络层的系数、所述图向量层的系数、所述实体触发词抽取层的系数、以及所述初始文本分类模型的系数进行联合调整。

5.根据权利要求2所述的事件信息抽取方法，其特征在于，所述以所述训练数据中的样本语句为输入，以所述样本语句对应的样本事件信息为输出，结合所述初始分类模型输出的预测事件信息和所述样本事件信息对所述初始序列标注模型和所述初始文本分类模型的系数进行联合调整，包括：

将所述样本语句输入依次连接的所述初始序列标注模型和所述初始文本分类模型，以获取所述初始序列标注模型输出的序列标注结果，以及所述初始文本分类模型输出的预测事件信息；

结合所述序列标注结果、所述样本语句对应的样本事件信息、所述初始序列标注模型的第一损失函数以及所述初始序列标注模型的第一权重，确定第一损失函数值；

结合所述预测事件信息、所述样本语句对应的样本事件信息、所述初始文本分类模型的第二损失函数以及所述初始文本分类模型的第二权重，确定第二损失函数值；

结合所述第一损失函数值以及所述第二损失函数值，对所述初始序列标注模型以及所述初始文本分类模型的系数进行调整。

6.根据权利要求5所述的事件信息抽取方法，其特征在于，所述以所述训练数据中的样本语句为输入，以所述样本语句对应的样本事件信息为输出，结合所述初始分类模型输出的预测事件信息和所述样本事件信息对所述初始序列标注模型和所述初始文本分类模型的系数进行联合调整，还包括：

结合所述第一损失函数值以及所述第二损失函数值，对所述第一权重和所述第二权重进行动态调整，实现所述初始序列标注模型的训练速度和所述初始文本分类模型的训练速度一致。