[发明专利]一种中文事件信息挖掘方法和系统

摘要

本发明公开一种中文事件信息挖掘方法和系统，该方法基于挖掘需求，定义事件样本模型，实例化事件样本模型，得到种子事件，该种子事件作为从原始文本中挖掘事件的依据。对原始文本进行预处理，得到候选模板集合；并对种子事件进行信息标注，基于标注信息对种子事件进行处理，得到种子模板集合。之后采用迭代方法，依据候选模板评级得分和候选模板与种子模板间的语义相似度对候选模板集合进行处理，得到挖掘事件锚集合，并依据该集合中每个挖掘事件锚和种子事件集合中任一种子事件锚的词汇语义相似度，获取挖掘事件锚对应的事件类型。可见本发明只需标注少量样本，即只需标注种子事件即可实现从原始文本中挖掘中文事件信息的目的，降低了挖掘成本。

主权项

一种中文事件信息挖掘方法，其特征在于，包括：对原始文本的每个文档中的句子进行分析、处理，得到原始文本的候选模板集合，所述候选模板集合包括至少一个候选模板，所述候选模板包括由所述句子的候选事件锚、所述句子的实体、所述候选事件锚到所述实体的句法路径和所述候选事件锚到所述实体的依存路径构成的四元组；定义需要从所述原始文本中挖掘事件的X种事件样本模型，所述定义的事件样本模型包括事件类型、事件角色和事件角色对应实体的实体类型，不同事件样本模型的事件类型不同，所述X为不小于1的自然数；对每种事件类型的事件样本模型依次进行实例化处理和信息标注处理，得到所述事件样本模型对应的携带有标注信息的种子事件，各事件样本模型对应的种子事件构成种子事件集合，所述标注信息包括种子事件锚、各个种子事件角色对应的实体及其实体类型；依据相应的标注信息，对所述种子事件集合中的每个种子事件进行分析、处理，得到所述种子事件集合对应的种子模板集合，所述种子模板集合包括至少一个种子模板，所述种子模板包括由所述种子事件的种子事件锚、所述种子事件的实体、所述种子事件锚到所述实体的句法路径和所述种子事件锚到所述实体的依存路径构成的四元组；基于所述种子模板集合中的种子模板，采用迭代的方法，依据候选模板评级得分和候选模板与种子模板间的语义相似度对所述候选模板集合进行处理，得到挖掘事件锚集合，所述挖掘事件锚集合包括至少一个挖掘事件锚；依据所述挖掘事件锚集合中每个挖掘事件锚和所述种子事件集合中的任一种子事件锚的词汇语义相似度，获取所述挖掘事件锚所对应的事件类型。