[发明专利]依存分析模型及基于依存分析的中文联合事件抽取方法

说明书

本发明公开了一种基于依存分析的中文联合事件抽取方法，首先引入了依存分析构建句法结构加强了信息的深度交互；其次为弥合字词的不一致性设计了三种类型的边表示以计算图卷积特征；最终通过对事件触发词分类任务以及事件论元分类任务联合学习，缓解了传统管道式方法的级联误差传播问题，提升了从文档中抽取事件触发词以及论元的效果。基于依存分析的中文联合事件抽取模型，在对语义进行编码的同时融入了句法结构信息，增强了字之间的信息流动，并且针对中文分词的特性为构建无向图设计了不同类型的边表示。本发明通过融入中文文本中包含的句法结构知识丰富了语义特征表示，并且使用联合学习的方法有效的提高了句子级事件抽取的效果。

技术领域

本发明属于自然语言处理中信息抽取的事件抽取研究领域，具体涉及一种依存分析模型及基于依存分析的中文联合事件抽取方法。

背景技术

互联网的高速发展带来了海量的数据，其中蕴含的信息具有极大的价值，而如何在数以亿计的数据中快速定位到所需信息一直是亟待解决的问题。数据的载体多种多样，例如声音、图像、文本等。语言作为人类沟通最重要的途径，对其的研究有助于帮助机器理解人类智能，由此诞生了自然语言处理领域。而文本与语言密不可分，人类的绝大部分知识都是以语言文字的形式记载和流传下来的，因此对于文本的研究一直是人工智能的核心部分。结合上述研究领域和问题，信息抽取类任务应运而生，其用于在文本中将人们所需的核心信息提取出来。

事件抽取作为信息抽取领域内的核心任务，旨在将事件从自然文本中提取出来并以表格类的结构化形式用以表示。一个完整的事件由一个定义事件类型的事件触发词和多个事件涉及的论元构成，触发词和论元常为实体。按照抽取阶段划分，事件抽取任务可分解为事件触发词抽取和事件论元抽取两个子任务。事件触发词抽取是将指示事件类型的关键单词(常为动词或名词)从文本中抽取出来，而事件论元抽取则是在已知事件触发词及事件类型的基础上将该事件涉及的所有论元抽取出来。对于完整事件抽取任务，传统的管道式方法将上述两个子任务依次执行，但是该方法存在较为严重的级联误差传播问题。

为了削弱管道式事件抽取方法带来的级联误差传播问题，出现了将两个子任务使用同一模型共同训练的联合事件抽取模型。但现有联合事件抽取方法在抽取论元时仅仅关注文本语义信息，而对于句法结构信息涉猎较少。因此如何在编码过程中融入句法结构信息以指导信息的抽取具有广泛的研究价值。

发明内容

本发明所要解决的技术问题是：提供一种依存分析模型及基于依存分析的中文联合事件抽取方法，解决了现有技术中涉及句法结构信息的事件论元抽取算法涉及少影响数据处理精度及效率的问题。

本发明为解决上述技术问题采用以下技术方案：

一种基于文本表征的依存分析模型构建方法，首先，将文本进行分词，并且使用依存句法分析得到词与词之间的主从关系，建立词与词之间的依存关系；其次，构建三种类型的边，并对应三种类型的边分别生成三个二维邻接矩阵构建图表示，使用无向图表示该依存关系；然后，将初始文本表征输入图卷积神经网络，使用无向图聚合邻居节点信息，将卷积神经网络的输出与初始文本表征进行融合；最后，将融合后得到的分类向量作为该模型的输出。

使用无向图表示依存关系的具体过程如下：

将词之间的依存关系简化为词首字间的依存关系，构建三种类型的边表示，分别为e_along，e_loop，e_rev；依照预先建立的依存关系为三种边构建二维邻接矩阵，将依存关系抽象为无向图表示；所述邻接矩阵均以单字为节点，若两个节点之间存在关系，则将邻接矩阵对应位置的值置为1，反之置为0。

所述融合获取分类向量的具体过程如下：