[发明专利]一种基于最大熵的事件抽取方法

权利要求书

1.一种基于最大熵的事件抽取方法，其步骤为：

1)构建一触发词词典和一事件元素角色词典；其中，触发词词典中每一触发词对应一事件类别，事件元素角色词典中记录每一事件中的事件元素对应的角色名称；

2)对于已标注训练语料，采用机器学习的方法训练模型，获取判断事件类别的最大熵模型MT和用于从事件句子中抽取事件元素的最大熵模型MR；

3)根据触发词对需要抽取事件的语料进行过滤，将匹配到设定触发词的句子作为候选事件；

4)通过最大熵模型MT对所述候选事件进行分类，获取属于设定事件类别的事件句子；

5)根据事件元素角色词典和最大熵模型MR从步骤4)所得事件句子中抽取事件的各个元素词语，完成事件抽取。

2.如权利要求1所述的方法，其特征在于，所述触发词词典的构建方法为：

21)初始设置一种子触发词词典，词典中的每一行包括种子触发词以及触发词对应的事件类别，所述事件类别为涵盖需要预测的多个类别；

22)对于每一个种子触发词T，通过匹配同义词典得到其所有同义、近义词语，进行种子触发词词典的扩充，得到所述触发词词典。

3.如权利要求1所述的方法，其特征在于，所述事件元素角色词典的构建方法为：

31)初始设置种子事件元素角色词典，词典中的每一行包括事件中的元素词语以及词语对应的角色类别；所述角色类别涵盖每一设定事件中的多个角色类别；

32)对于每一元素词语R，通过匹配同义词典获取其所有同义、近义词语，进行事件元素角色词典的扩充。

4.如权利要求1或2或3所述的方法，其特征在于，获取所述最大熵模型MT的方法为：

41)读取已标注训练语料，对于每一篇语料进行分段、分句处理；

42)对于得到的每一句子，通过标签判断是否包括事件信息；对于包含事件信息的句子，对句子进行分词和词性识别，获取事件的触发词、事件类型；

43)提取事件实体的特征，然后将所提取特征生成统一格式的输入文件，通过机器学习的方法训练获取所述最大熵模型MT。

5.如权利要求4所述的方法，其特征在于，所述特征包括触发词、触发词的词性、触发词前面P个词语的词形以及词性、触发词后面P个词语的词形以及词性、事件类别。

6.如权利要求1或2或3所述的方法，其特征在于，获取所述最大熵模型MR的方法为：

61)读取已标注训练语料，对于每一篇语料进行分段、分句处理；

62)对于得到的每一事件句中的每一个元素词语，提取元素特征并将其生成统一格式的输入文件，通过机器学习的方法进行模型训练获取所述最大熵模型MR。

7.如权利要求6所述的方法，其特征在于，所述元素特征包括：元素词语的词形、词性、命名实体识别结果、角色类型，元素词语前面Q个词语的词形、词性以及这些词语中的事件元素词语的角色类型，元素词语后面Q个词语的词形、词性以及这些词语中的事件元素词语的角色类型，元素词语与触发词之间的句法关系依存链，元素词语所属事件的事件类型。

8.如权利要求1所述的方法，其特征在于，所述候选事件的获取方法为：首先对需要抽取事件的语料进行分段、分句处理，然后对分句后得到的每一个句子进行分词处理，判断词语中是否包含触发词，如果包含触发词则将句子归为候选事件句。

9.如权利要求1所述的方法，其特征在于，所述获取属于设定事件类别的事件句子的方法为：首先对于每一所述候选事件句进行分词后获取词语对应的词性；然后提取候选事件句的特征并将其生成统一格式的输入文件，然后利用所述最大熵模型MT进行预测，将预测概率与设定的阈值做比较，超过阈值则将对应的候选事件划为属于设定事件类别的事件句子。

10.如权利要求1所述的方法，其特征在于，所述步骤5)中进行事件抽取的方法为：首先对属于设定事件类别的事件句子进行分词、词性识别、命名实体识别以及句法分析；然后判断分词后的每一个词语是否出现在所述事件元素角色词典中，标注事件角色特征，提取事件句中词语的特征并生成统一格式的输入文件，然后采用所述最大熵模型MR进行预测，对于每一种角色类别选择预测概率最大的词语作为最终的事件元素。