[发明专利]英文事件触发词抽取方法和系统

说明书

本发明涉及一种英文事件触发词抽取方法，包括：读取标注文档的实体标注信息和事件标注信息，对标注文档中的每一个事件句调用词形还原工具进行词形还原，分别得到标注语料实体集合、标注语料事件集合和词形还原文档集合；对标注语料事件集合中每个触发词，匹配词形还原文档集合中的词原形。上述英文事件触发词抽取方法，基于论元预测的事件触发词抽取系统和方法，将预测的论元和句子转化成词向量，利用循环神经网络自动的捕获触发词和论元之间的隐含特征，以及论元的深层语义信息。本发明的方法和系统，与现有方法和系统相比，触发词抽取性能得到了提升。

技术领域

本发明涉及文本信息抽取领域，特别是涉及英文事件触发词抽取方法和系统。

背景技术

事件(Event)作为信息的一个重要载体，其定义是指特定的人、物、事在特定时间和特定地点相互作用的客观事实，如离职事件，会面事件，攻击事件等。一个完整的事件可以表达成为“5W”形式(Who(实施者(谁))，What(什么)，Whom(受事者(谁))，When(什么时候)，Where(什么地方))，其中“What”的语义一般由触发词(如：袭击，攻击)来体现，其余4个“W”则对应事件中扮演不同的角色的实体类型。其中，When和Where对应的角色所填充的论元一般不具有明显的事件类型区分度；只有Who和Whom对应的角色所填充的论元才具有鲜明的事件类型区分度。所以，一个事件的核心语义是由触发词和论元表达的。

早期的触发词抽取方法主要集中在特征选择方面，Ahn[1]使用了一系列特征，如词汇特征(词性)，句法特征(依存句法)以及外部语义知识(WordNet)来抽取事件。Grishman[2]针对事件抽取语料中Attack(表示攻击)事件分布不平衡的情况，在传统句子级事件类型分类器的基础上，引入文档级事件类型分类器，用于判断该文档包含Attack事件的置信度。Liao[3],[4]等通过文档级别的跨事件推理方法，利用相关事件的信息和事件类型一致性等特征进行事件抽取。Hong[5]等提出利用跨实体推理进行事件抽取，其核心是充分实体类型的一致性特征，通过搜索引擎构建实体的背景信息，并根据实体的背景信息，采用聚类方法对实体类型进行更细粒度的区分，进一步提升了事件抽取性能。Li[6]等针对传统的串行结构事件抽取方法存在错误传递的情况，采用基于结构化感知机的联合模型，将触发词分类和事件成员分类看作一个整体的序列标注任务，分析并检验多种局部和全局特征，进而体现联合模型解决错误传递问题的有效性。Liu[7]等使用基于概率逻辑方法将局部和全局特征联合在一起。

随着这几年的深度学习方法的流行，Nguyen[8]等人摒弃了人工设计特征的方法，采用CNN(Convolution Neural Network)深度学习模型，仅以待测词及其上下文和实体类型作为特征，在触发词分类和领域适应性实验中，性能较特征工程有所提升。Chen[9]等针对基于CNN的事件抽取方法很好地处理一个句子包含多个事件的情况，提出DMCNN(DynamicMulti-Pooling Convolutional Neural Network)深度学习模型，有效解决一个句子包含多个事件的情况。Nguyen[10]等利用循环神经网络同时对触发词和论元进行抽取，联合模型可以捕获到事件的内部和外部依赖关系。

参考文献：

David Ahn.The Stages of Event Extraction[C].Proceedings of theWorkshop of the ACL on Annotating and Reasoning about Time and Events,2006:pages 1-8.

Grishman R.The Impact of Task and Corpus on Event Extraction System[C].Proceedings of the International Conference on Language Resources andEvaluation(LERC 2010),Valletta,Malta,2010,17-23.