[发明专利]一种识别触发词的方法及装置

权利要求书

1.一种识别触发词的方法，其特征在于，所述方法包括：

对目标文本进行分词并确定所述目标文本的各分词中每两个分词之间的关联关系，并根据所确定的关联关系得到关系矩阵；

对目标文本的每个分词进行编码映射，获取所述目标文本的向量并输入循环神经网络，得到所述目标文本的编码特征矩阵；

根据所得到的编码特征矩阵进行语义映射，得到所述目标文本的语义特征；

根据所得到的关系矩阵和所述目标文本的语义特征，识别所述目标文本中的触发词；

所述根据所得到的编码特征矩阵进行语义映射，得到所述目标文本的语义特征，包括：

将所得到的编码特征矩阵进行指定数量的矩阵转换得到对应的指定数量的转换矩阵，并分别映射到多个语义空间，得到与所述转换矩阵对应的多个映射特征；

将所得到的多个映射特征中的指定映射特征进行矩阵运算，得到多头注意力权重特征；

根据所得到的多头注意力权重特征与所述多个映射特征中的一个指定映射特征得到所述目标文本的多个语义空间特征，并对所得到的多个语义空间进行维度转换，得到所述目标文的语义特征；

所述根据所得到的关系矩阵和所述目标文本的语义特征，识别所述目标文中的触发词，包括：

将得到的关系矩阵与语义特征输入训练好的图神经网络进行计算，得到关系特征向量；

将所得到关系特征向量进行线性变换，得到变化后的特征，再将所得到的变化后的特征进行softmax计算，获取每一分词属于每一类事件的概率；

根据所获取的每一分词属于每一类事件的概率，确定所述目标文本中所有分词中的触发词。

2.根据权利要求1所述的方法，其特征在于，所述确定所述目标文本的各分词之间的关联关系，包括：

对每个分词进行词性标注和依存句法分析，得到所述目标文本所有分词的依存关系树；

根据所得到的依存关系树确定所述目标文本的各分词中每两个分词之间的关联关系。

3.根据权利要求1所述的方法，其特征在于，所述对目标文本的每个分词进行编码映射，获取目标文本的向量，包括：

对目标文本的每个分词进行编码映射，获取每个分词的词向量、词性向量、及位置向量，将所述词向量、词性向量、及位置向量进行合并得到所述目标文本的向量。

4.根据权利要求2所述的方法，其特征在于，所述获取每个分词的词向量、词性向量、及位置向量，包括：

获取所述目标文本的每个分词的分词ID，根据所述分词ID和所述目标文本的每个分词的初始化向量，得到所述目标文本的词向量；

获取所述目标文本的每个分词的词性ID，根据所述词性ID和预设的词性向量得到所述目标文本的词性向量；

获取所述目标文本的每个分词的位置ID，根据所述位置ID和预设的位置向量得到所述目标文本的词性向量。

5.根据权利要求1所述的方法，其特征在于，所述获取所述目标文本的向量并输入循环神经网络，得到所述目标文本的编码特征矩阵，包括：

获取所述目标文本的向量并输入双向LSTM网络，将得到的两个方向的输出结果进行合并，得到所述目标文本的编码特征矩阵。