[发明专利]一种中文事件的检测方法和系统

说明书

本发明提供了一种中文事件的检测方法，包括：将待检测文本转换成字符向量序列和词向量序列；将字符向量序列和词向量序列输入预先建立的中文事件检测模型，得到待检测文本的触发词以及对应的事件类型；其中，中文事件检测模型考虑了事件类型间共现关系。本发明对于原基础模型检测输出的不确定结果，利用事件类型间的共现关系，可以在文本中寻找其它事件的分类，对部分错误的输出结果进行更正，提高中文事件检测的性能。

技术领域

本发明自然语言处理技术领域，具体涉及一种中文事件的检测方法和系统。

背景技术

随着计算机技术的发展，计算机的计算能力得到巨大的提升，机器学习和深度学习的研究取得一系列重要成果，自然语言处理逐渐得到广泛应用，例如通过情感分析技术挖掘商品评论中的用户喜好，通过机器翻译技术自动为用户翻译外文内容等。同时，随着互联网的普及特别是社交媒体的快速发展，由此产生的文本数据呈现爆炸试增长，对大量信息进行自动处理及分析具有重要的意义和价值。因此，自然语言处理技术凭借其高效的文本处理及分析能力，获得了社会的广泛关注。对于国内而言，对中文的处理和分析与人们的生活工作息息相关。中文事件检测，作为中文信息提取的基本任务，以中文分词、中文词性标注、命名实体识别等任务为基础，在自动文摘、自动问答、信息检索、事件推理等领域有着广泛的应用。

用于事件检测的传统方法包括模式匹配、结构化感知机、最大熵模型等。近年来发展的深度学习中的前馈神经网络、长短期记忆模型、卷积神经网络、注意力机制等都被用在事件检测任务上并在公开数据集上取得了不错的效果，而自然语言处理需要在大量文本信息中，极速完成海量文本的分类和文本标签提取，就需要高效率的检测性能，因此，如何提高中文事件检测的性能是本领域技术人员需要解决的问题。

发明内容

为克服上述现有技术的不足，本发明提供一种中文事件的检测方法包括：

将待检测文本转换成字符向量序列和词向量序列；

将所述字符向量序列和词向量序列输入预先建立的中文事件检测模型，得到所述待检测文本的触发词以及对应的事件类型；

所述中文事件检测模型考虑了事件类型间共现关系。

优选的，将待检测文本转换成字符向量序列和词向量序列，包括：

采用中文分词工具将待检测文本转换成字符序列和词序列；

基于字符向量表和词向量表，将所述字符序列和词序列转化成字符向量序列和词向量序列。

优选的，中文事件检测模型的建立，包括：

基于具有确定触发词和事件类型的文本构建训练集；

构建基础模型，采用训练集对所述基础模型进行训练，得到训练集文本中的触发词和各字符对应的初步事件类型特征和初步事件类型概率分布；

在基础模型上构建用于建模事件类型间共现关系的共现关系层，将所述基础模型中得到的各个字符对应的初步事件类型特征和初步事件类型概率分布作为所述共现关系层的输入，计算各个字符对应的考虑事件类型间共现关系的事件类型特征；

在共现关系层上构建分类层，将所述共现关系层得到的各个字符对应的考虑事件类型间共现关系的事件类型特征作为的输入，计算各个字符对应的考虑事件类型间共现关系的事件类型概率分布，事件类型结果取概率最高的事件类型。

优选的，中文事件检测模型的建立，还包括：

基于分类层预测的事件类型概率分布与真实的事件类型概率分布得到模型训练的交叉熵损失函数；

求解交叉熵损失函数的反向梯度，根据学习率对共现关系层及分类层中的参数进行更新。