[发明专利]联合罪名预测的涉案新闻重叠实体关系抽取方法

权利要求书

1.联合罪名预测的涉案新闻重叠实体关系抽取方法，其特征在于：所述方法包括：

Step1、收集用于预测罪名和抽取重叠实体关系的涉案新闻文本，对文本进行分句、去重、筛选；

Step2、定制联合罪名预测的涉案新闻重叠实体关系抽取的标注体系，标记出罪名和实体关系，将标记好的涉案新闻句子级语料分为训练语料、开发语料、验证语料；

Step3、获取涉案新闻字级向量和句级文本向量；

Step4、采用强化学习的方法，由涉案新闻句级文本向量经过最大池化后，利用softmax分类器获取涉案新闻句级文本的罪名类别；

Step5、采用强化学习的方法，由预测出的罪名类别指导定位关系指示符抽取关系，罪名向量参与的当前关系分类向量经过softmax分类器获得当前的关系分类结果；

Step6、将实体识别任务抽象为给每一个字预测实体类别标签，采用强化学习的方法，依照抽取出的关系，由预测出的罪名类别指导实体识别，罪名分类向量参与的当前实体标签预测的向量经过softmax分类器获得当前字的标签类别结果；

Step7、根据强化学习的奖励分别优化整个模型的强化学习策略，即优化三个任务对应的softmax分类器的参数；

所述步骤Step5的具体步骤：

Step5.1、由罪名分类向量、当前字的向量、上一时间步骤的状态向量、上一时间步骤的动作向量四者拼接得到当前关系分类状态向量；

Step5.2、当前关系分类状态向量又经过softmax分类器，选择使概率最大的选项作为强化学习的动作，即分类得到当前的关系分类；

所述强化学习：

状态：时间步骤t的状态由以下四者决定：1)当前字隐状态h_t，2)模块上一时间步骤动作o_t-1的可学习嵌入罪名预测层预测的罪名c的可学习嵌入v^c,4)模块上一时间步骤遗留的状态公式如下：

其中f^h(·)是非线性函数tanh，为可学习参数，h_t为当前字隐状态；

选项：选项o_t在集合中选择，其中，NR代表不存在关系，R代表定义的关系集合；在某个时间步骤，如果没有足够的信息表明一个关系存在时，选择NR；否则确定一个关系并触发实体识别辅任务，当实体识别任务完成，继续被关系抽取层接管去执行下一个选项，直到句末；

策略：关系抽取的策略：用于指定关系选项的概率分布，最后根据概率分布选择概率最大的选项作为强化学习的动作：

其中o_t指该层策略的关系选项，它服从如上概率分布，c是罪名预测层预测的罪名，W_μ是可学习参数，当前时间步的状态；

奖励：关系抽取模块提供给Agent的t时刻的关系抽取层自身的奖励，由该时刻预测出的关系与真实关系类型比较得到；计算如下：

认为当关系名称预测正确且关系对应的原实体和目标实体的开始位置定位准确，则正确抽取出一个关系，最后用一个最终奖励来评价一个句子的抽取效果：

其中，S_T指一个句子所有时间步骤的关系抽取模块状态集合，F_β(S_T)是指整个句子重叠关系抽取的精度p和回收率r加权平均值，β指权重，取0.1；

提出的强化学习由状态、策略、选项、奖励四个因素构成，状态由当前字隐状态、罪名、上一时间步骤的状态和上一时间步骤的选项得到，状态经过策略μ得到选项的概率分布，为了最大化奖励，选择了概率最大的选项作为动作，并将该动作反馈给罪名预测层；由该动作计算自身关系抽取的奖励r_t^h，并且由实体识别辅模块反馈的动作计算主模块的最终奖励

2.根据权利要求1所述的联合罪名预测的涉案新闻重叠实体关系抽取方法，其特征在于：所述Step1中，使用Scrapy作为爬取工具，根据页面数据元素的XPath路径制定模板获取详细数据，获取涉案新闻网站正文数据。