[发明专利]一种基于复合神经网络的景区异常事件抽取方法

权利要求书

1.一种基于复合神经网络的景区异常事件抽取方法，其特征在于，包括如下步骤：

S1、对事件原始语料的原始文本进行数据预处理，对原始文本进行清洗和分句，得到事件句，然后对事件句进行分词和命名体识别，根据人工标注的异常事件信息，将事件句进行序列标注，触发词根据其类型进行标注，非触发词类别标注为无，得到事件句序列并将事件句序列转换为词向量的形式；

S2、将以词向量表示的事件句序列输入到双向长短时记忆网络，利用双向长短时记忆网络来训练得到每个候选触发词的语义特征；

S3、将以词向量表示的事件句序列传入到卷积神经网络中，利用CNN卷积神经网络训练得到候选触发词所在事件句的全局特征；

S4、根据步骤S2得到的候选触发词的语义特征和步骤S3得到的候选触发词所在事件句的全局特征，选择softmax模型设计分类器进行事件分类，找出相关异常事件的触发词，匹对相应的触发词类型，判断事件类别。

2.根据权利要求1所述的一种基于复合神经网络的景区异常事件抽取方法，其特征在于，步骤S1的具体步骤为：

S1-1、先用正则表达式将事件原始语料内无关字符去除，再采用自然语言处理工具对语料的原始文本进行分句，分词和命名体识别，使语料的原始文本以分割的事件句和每句切分好的若干个词汇来显示，即事件句表达为L＝{x₁,x₂,…,x_i,…,x_n}，其中xi为句子中第i个词，n表示事件句长度；

S1-2、根据步骤1)分词和命名体识别得到的事件句L，对事件句L进行人工标注，在标注过程中，将非触发词标记为无类型，触发词根据所属新闻事件类别进行标注，得到事件句序列；

S1-3、通过开源工具包word2vec训练文本得到词向量，采用skip-gram模型，根据训练得到的词向量，将事件句序列中每个词表述为一个200长度的向量；

S1-4、将每个事件句处理成词向量表述的序列形式，即每个候选触发词表示为一个长度为200的词向量，事件句表示为A＝{w₁,w₂,…,w_i,…,w_n}。

3.根据权利要求1所述的一种基于复合神经网络的景区异常事件抽取方法，其特征在于，步骤S2的具体步骤为：

S2-1、将事件句A副本表示为B＝{w₁,w₂,…,w_i,…,w_n}，其中wi为第i个候选触发词的词向量，n为句子长度；

S2-2、将事件句B的序列传入双向长短时记忆网络，获得输出结果BW＝{bw₁,bw₂,bw₃,…,bw_i,…,bw_n}，其中bw_i为第i个通过长短时记忆网络的触发词提取出的语义特征；

S2-3、反转事件句A的序列得序列A'＝{w_n,w_n-1,…,w_i,…,w₁}，将其传入双向长短时记忆网络，获得序列的反向输出结果AW＝{aw₁,aw₂,aw₃,…,aw_i,…,aw_n},其中aw为候选触发词经过反向输出的长短时记忆网络提取出的语义特征；

S2-4、将双向长短时记忆网络获得的输出结果BW与AW合并，得到句子L在双向长短时记忆网络中的输出结果θ＝{r₁,r₂,r₃,…,r_i,…,r_n}，其中a_i＝[bw_i,aw_i]，即得到候选触发词的语义特征。