[发明专利]事件抽取的方法、装置、设备及计算机可读介质

权利要求书

1.一种事件抽取的方法，其特征在于，包括：

采集多个新闻文档；

预处理各新闻文档，包括对所述新闻文档进行命名实体的识别和关键词的抽取；

根据所述新闻文档的命名实体和关键词，采用事件检测模型对各新闻文档进行事件检测，以筛选出一个或多个用于描述事件的事件型新闻文档，使得非事件型的新闻文档被过滤掉；所述事件检测模型的训练语料包括事件型训练文档集合，所述事件型训练文档集合根据训练文档的命名实体与日期的紧密度获得；以及

对各事件型新闻文档所描述的事件进行聚类，以获得事件库和事件型新闻文档库。

2.根据权利要求1所述的方法，其特征在于，所述对各事件型新闻文档所描述的事件进行聚类，以获得事件库和事件型新闻文档库的步骤包括：

根据各事件型新闻文档的关键词，构建连通图，其中，所述连通图包括多个关键词和多个连接线，同一事件型新闻文档中的两个关键词用一个连接线连接；

删除中心度最大的连接线，直至达到终止条件，以获得一个或多个连通子图，其中，一个连通子图用于表示一个事件，所述连通图用于表示所述事件库，以及所述终止条件包括所述连通子图的数量满足阈值；以及

根据各事件型新闻文档的关键词与各连通子图中的关键词之间的相似度，匹配每个连通子图所对应的一个或多个事件型新闻文档。

3.根据权利要求1所述的方法，其特征在于，所述对各事件型新闻文档所描述的事件进行聚类，以获得事件库和事件型新闻文档库的步骤包括：

对各事件型新闻文档所描述的事件进行聚合，以合并相同或相近似事件。

4.根据权利要求1所述的方法，其特征在于，所述采集多个新闻文档的步骤包括：

以预设时间间隔采集预设时间范围内的多个新闻文档。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述对各新闻文档，根据命名实体和关键词，采用事件检测模型进行事件检测，以筛选出多个事件型新闻文档的步骤之前，还包括：

获取训练语料；

基于正例和未标注样本学习算法处理所述训练语料；

基于处理后的训练语料，采用机器学习模型，构建所述事件检测模型，其中，所述机器学习模型包括支持向量机和深度神经网络中的一种。

6.根据权利要求5所述的方法，其特征在于，所述获取训练语料的步骤包括：

获取多个训练文档；

预处理各训练文档，包括对所述训练文档进行命名实体的识别和关键词的抽取；

根据所述训练文档的命名实体与日期的紧密度，从各训练文档中筛选出事件实体和事件型训练文档集合，其中，所述事件实体是所述紧密度满足预设条件的命名实体，所述事件型训练文档集合包括一个或多个事件型训练文档，所述事件型训练文档是具有所述事件实体的训练文档，并用于描述一个事件；

对所述事件型训练文档进行关键词的词频统计，获得事件关键词；

对各事件进行事件聚合，以获得事件集合；以及

对所述事件集合和所述事件型训练文档集合进行过滤处理，以从所述事件集合中排除不满足预设置信度的事件，以及从所述事件型训练文档集合中排除与不满足预设置信度的事件相对应的训练文档；

其中，所述事件训练语料包括各训练文档、所述事件型训练文档集合和所述事件集合。

7.一种事件抽取的装置，其特征在于，包括：

采集模块，用于采集多个新闻文档；

预处理模块，用于预处理各新闻文档，包括对所述新闻文档进行命名实体的识别和关键词的抽取；

事件检测模块，用于根据所述新闻文档的命名实体和关键词，采用事件检测模型对各新闻文档进行事件检测，以筛选出一个或多个用于描述事件的事件型新闻文档，从而使得非事件型的新闻文档会被过滤掉；所述事件检测模型的训练语料包括事件型训练文档集合，所述事件型训练文档集合根据训练文档的命名实体与日期的紧密度获得；以及

聚类模块，用于对各事件型新闻文档所描述的事件进行聚类，以获得事件库和事件型新闻文档库。