[发明专利]一种基于上位概念信息的事件检测方法

说明书

本发明提出一种基于上位概念信息的事件检测方法，包括S1、输入的语句S，通过第一模型构建所述语句的上位概念信息向量表示Zs；S2、将所述语句S和所述向量表示Zs输入第二模型，获取所述语句的事件触发词和的事件类别。本发明充分考虑了现实中单个触发词可能触发多种不同事件类型的情况，利用不同事件类别之间存在的层次关联关系，并将这种关联关系当作额外的监督信息融入事件检测过程，为触发词的识别以及分类提供了辅助的决策，且不会引入额外的噪声信息，同时能够有效提升事件检测的效果。

技术领域

本发明涉及自然语言处理和深度学习技术领域，尤其涉及一种基于上位概念信息的事件检测方法。

背景技术

事件检测技术是从语句中识别出能够清晰表达出事件发生的关键词语(事件触发词)，并对识别出来的关键词语进行分类。事件检测能够将事件分类到预定义好的类别当中，从而能够在大量的非结构化文本当中提取人们感兴趣的信息，并辅助完成其他自然语言处理的任务。事件检测技术在自动文摘、个性化新闻系统以及金融分析等领域都有着广泛的应用。事件检测的方法主要分为四大类：基于统计的事件识别方法、基于规则的事件识别方法、基于机器学习的事件识别方法和基于深度学习的事件识别方法。

基于统计方法的是指人工统计出语句或文本中的所有触发词，构建一个较为完整的触发词字典，通过此字典来判断其它词语是否为触发词。主要通过统计的方法手动构建字典，结合手工管理的字典和机器学习方法来整理相关的触发词和参数，通过构建以及修整依赖图的结构从而识别触发词。但当数据集较大时，手工管理过程会耗费大量的人力物力，与此同时，通过统计构建的字典含有大量的非触发词信息，给事件识别任务带来了较大的噪音。基于统计的触发词识别方法虽然简单可行、技术上要求不高，但要求训练语料足够大且经典，在事实上，由于非遍历性为首统计语料的限制，此方法并不能保证统计结果和测试结果的正确性，且统计过程费时费力，效率过低。

基于规则的事件识别方法需要人为构造一个模板以及一些规则去从一个语句中寻找触发词。这是一种偏理论性的方法，只有在理想的情况下定义出涵盖所有语言特征的规则才能保证该方法的有效性。并且规则的定义过程需要消耗大量的人力，如果规则定义得不够好，也可能过滤掉一些本身可以充当触发词的词语，导致识别准确率的低下。

基于机器学习的触发词识别能够基于训练集进行自动化学习，主要利用统计特征分类的方法对文本进行关键特征提取，例如字、词特征、N-Gram等，然后通过训练分类器从而把触发词的识别问题转化为分类问题。基于机器学习的触发词识别方法引入了自动化的模式，节省了人力与物力的投入。但是，机器学习需要足够量的特征集来训练分类器，即要求训练语料和测试语料必须满足一定的规模才能够保证结果的准确率，机器学习本质上也是一种统计学习方法，不可能照顾到每个具体的实例。

基于深度网络模型的迅猛发展，事件触发词识别任务产生了新的研究思路，深度学习的重要特点就是能够通过多层的网络结构自动获取数据的特征表示，且该特征表示能够具有泛化性，能够适应于不同的任务。基于神经网络和词向量的触发词识别工作可以减少人工设计复杂特征的代价；同时很好地解决了词与词之间缺乏语义信息的问题。该类方法主要通过神经网络中复杂的非线性结构自动学习一些抽象的特征，捕捉词之间的语义信息。最常用的深度学习模型为卷积神经网络(CNN)和循环神经网络(RNN)。除此之外，由于图卷积神经网络(Graph Neural Network，GNN)在近些年来的发展迅猛，图卷积神经网络也被引入到了事件检测的任务当中。

当前主流的事件检测方法大都更注重单个事件触发词只触发单个事件类型的情况，忽略了单个触发词可能存在的“一词多义”问题。如在下面两个例句E1和E2当中，单词fired都作为事件触发词出现在了语句中。然而，在例句E1中，单词fire(解雇)触发的事件类型为EndPosition(离职)事件；对应的在例句E2中，触发的事件类型则为Attack(袭击)事件。这种单词触发词存在的“一词多义”现象对事件检测的准确率会产生极大的影响。