[发明专利]一种电影剧本多元信息抽取方法

权利要求书

1.一种电影剧本多元信息抽取方法，其特征在于，包括：

利用正则表达式从文本中抽取出一个或多个场景；

确定所述场景包含的事件以及所述事件的事件信息；

根据所述场景包含的事件，确定所述场景的情节类型；

将所述场景与所述事件信息以及所述情节类型对应存储至图数据库；

其中，所述事件的事件信息通过深度学习模型确定，所述深度学习模型包括RNN-CRF模型、CNN-CRF模型、最大熵模型以及BiLSTM-CRF模型；

其中，利用所述BiLSTM-CRF模型确定所述事件的事件信息包括：

利用BiLSTM模型的word embedding层，将文本中的单词映射为词向量；

将所述词向量输入所述BiLSTM模型的BiLSTM层，输出针对每个所述单词预测出的BIO标签以及与BIO标签对应的分数值；

利用预先训练好的CRF模型，在学习到的约束下，基于所述BIO标签对应的分数值，输出合法的BIO标签序列。

2.根据权利要求1所述的方法，其特征在于，所述确定所述场景包含的事件，包括：

对所述场景下的语句分别进行词性标注，并确定所述语句中的动词；

将所述动词与预先建立的自动内容抽取库中的事件类型进行匹配，得到与所述动词相匹配的事件类型。

3.根据权利要求1所述的方法，其特征在于，所述场景的情节类型通过潜在狄利克雷模型或聚类算法确定。

4.根据权利要求1所述的方法，其特征在于，所述场景、所述事件信息以及所述情节类型以三元组的形式存储至所述图数据库。

5.根据权利要求1所述的方法，其特征在于，所述事件信息包括人物、时间及地点。

6.一种电影剧本多元信息抽取装置，其特征在于，包括：

场景抽取模块，用于从文本中抽取出一个或多个场景；

事件确定模块，用于确定所述场景包含的事件以及所述事件的事件信息；

情节类型确定模块，用于根据所述场景包含的事件，确定所述场景的情节类型；

数据存储模块，用于将所述场景与所述事件信息以及所述情节类型对应存储至图数据库；

其中，所述事件的事件信息通过深度学习模型确定，所述深度学习模型包括RNN-CRF模型、CNN-CRF模型、最大熵模型以及BiLSTM-CRF模型；

其中，利用所述BiLSTM-CRF模型确定所述事件的事件信息包括：

利用BiLSTM模型的word embedding层，将文本中的单词映射为词向量；

将所述词向量输入所述BiLSTM模型的BiLSTM层，输出针对每个所述单词预测出的BIO标签以及与BIO标签对应的分数值；

利用预先训练好的CRF模型，在学习到的约束下，基于所述BIO标签对应的分数值，输出合法的BIO标签序列。

7.根据权利要求6所述的装置，其特征在于，所述事件确定模块包括：

词性标注单元，用于对所述场景下的语句分别进行词性标注，并确定所述语句中的动词；

事件匹配单元，用于将所述动词与预先建立的自动内容抽取库中的事件类型进行匹配，得到与所述动词相匹配的事件类型。

8.一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-5中任意一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现权利要求1-5中任意一项所述方法的步骤。