[发明专利]一种事件识别模型的训练方法和装置

说明书

本发明实施例公开了一种事件识别模型的训练方法和装置，用于实现不依赖触发词的事件识别模型训练，提高事件识别模型的训练效率。该方法包括：从训练数据库中获取到目标事件类型和第一文本样本，并将所述目标事件类型和所述第一文本样本输入到初始的事件识别模型中，所述事件识别模型中配置有注意力层；通过所述注意力层获取所述第一文本样本中每个词相对于所述目标事件类型的关注度信息；根据所述第一文本样本中每个词相对于所述目标事件类型的关注度信息，通过所述事件识别模型输出所述第一文本样本与所述目标事件类型的关联结果；根据所述事件识别模型输出的所述关联结果，采用预设的损失函数对所述事件识别模型进行训练。

技术领域

本发明涉及计算机技术领域，尤其涉及一种事件识别模型的训练方法和装置。

背景技术

事件是一个复杂的概念，对事件进行准确的定义是一个非常困难的问题，学术界和工业界至今为止没有公认的定义。在不同领域的研究中，事件具有不同的定义及表示。在面向新闻文本进行事件识别的场景下，采用自动内容抽取(Automatic ContentExtraction，ACE)为事件给出如下的定义：事件是发生在某个特定时间(时间段)、某个特定地域范围内，由一个或多个角色参与的由一个或多个动作构成的事情或状态的改变。

事件识别的方法可以分为基于模式匹配的方法和基于机器学习的方法。其中，基于模式匹配的方法是指对某种类型事件的识别和抽取是在预设模式的指导下进行的，采用各种模式匹配的算法将待识别的事件和已知的模式进行匹配。模式匹配的过程就是事件识别和抽取的过程。基于模式匹配的方法具有可移植性差、召回率低的缺陷。

现有技术还提供基于机器学习的方法用于事件识别，但是需要通过对触发词的识别来完成。例如，假设需要对文本“潘XX恩师李XX去世”进行事件识别，通过机器学习的方法识别到“去世”是一个死亡事件的触发词，因此判定该文本描述了一个死亡事件。现有技术中需要将触发词的识别建模为词分类的问题。具体地，将给定文本中的每个词作为候选的触发词，并对其进行分类，目标类别需要是预先定义好的事件类型。

现有技术中对事件的识别依赖事件的触发词，因此在模型训练过程中标注数据时，不仅要标注出每个文本的事件类型，还要标注出相应的触发词。由于触发词是文本中最能指示某一事件发生的词，人工挑选触发词的难度大，尤其对于长文本来说，要标注出触发词的难度更大。这大大增加了数据的标注成本，降低了事件识别模型的训练效率。

发明内容

本发明实施例提供了一种事件识别模型的训练方法和装置，用于实现不依赖触发词的事件识别模型训练，提高事件识别模型的训练效率。

本发明实施例提供以下技术方案：

一方面，本发明实施例提供一种事件识别模型的训练方法，包括：

从训练数据库中获取到目标事件类型和第一文本样本，并将所述目标事件类型和所述第一文本样本输入到初始的事件识别模型中，所述事件识别模型中配置有注意力层；

通过所述注意力层获取所述第一文本样本中每个词相对于所述目标事件类型的关注度信息；

根据所述第一文本样本中每个词相对于所述目标事件类型的关注度信息，通过所述事件识别模型输出所述第一文本样本与所述目标事件类型的关联结果；

根据所述事件识别模型输出的所述关联结果，采用预设的损失函数对所述事件识别模型进行训练。

另一方面，本发明实施例还提供一种事件识别模型的训练装置，包括：

模型输入模块，用于从训练数据库中获取到目标事件类型和第一文本样本，并将所述目标事件类型和所述第一文本样本输入到初始的事件识别模型中，所述事件识别模型中配置有注意力层；

关注度获取模块，用于通过所述注意力层获取所述第一文本样本中每个词相对于所述目标事件类型的关注度信息；