[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

说明书

本发明公开了一种基于复合神经网络的景区异常事件抽取方法，该方法是对获取的事件原始文本语料进行数据预处理，事件句转换为词向量，将其序列传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；再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；通过综合候选触发词的语义特征与候选触发词所在句子的全局特征，利用softmax作为分类器来对每个候选触发词进行分类，从而找出景区异常事件的触发词，并根据人工标注的触发词类型来将事件类型分类。本发明能够快速准确的抽取景区异常事件，处理繁复冗杂文本中的异常事件，效率高且泛用性佳。

技术领域

本发明涉及自然语言处理技术领域，具体是一种基于复合神经网络的景区异常事件抽取方法。

背景技术

随着国内计算机互联网技术的普及，景区游客的日益增加，景区内部的事件监控也面临越来越大的压力。如何从获取的海量信息文本中提取出有用的异常事件并进行分类成为了一个亟待解决的问题。作为信息抽取的一环，事件抽取是信息抽取的研究热点，其研究内容是自动的从自然文本中获取特定类型的事件和元素。

从文本中抽取相应的事件通常是要识别事件触发词来实现，因此人工标记的事件触发词是时间识别的关键要素。

在目前对于异常突发事件的抽取方法中，还是经常性的使用文本框架来进行格式化抽取以及使用支持向量机SVM的分类器进行文本分类，但是这类方法对非线性数据集无法达到很好的分类效果，并且过于依赖触发词，导致因候选触发词模糊时容易造成判断错误；再者频繁的事件信息并无法规范化语法，当前方法缺乏从不规范语句中进行事件抽取的研究。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种基于复合神经网络的景区异常事件抽取方法，该方法可以消除普通的机器学习分类及触发词依赖造成的过多错误，并处理不规范语句的异常信息。

实现本发明目的的技术方案是：

一种基于复合神经网络的景区异常事件抽取方法，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。

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；