[发明专利]基于融合路径权重相似度判断关联事件的方法及装置

权利要求书

1.一种基于事件间的融合路径权重相似度辅助判断关联事件的方法，其特征在于，包括：

构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；

计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度；

将事件间相似度大于第一阈值的多个事件辅助判断为关联事件。

2.如权利要求1所述的方法，其特征在于，所述构建事件知识图谱包括：

构建事件概念本体，所述事件概念本体包括事件的多个概念要素；

基于信息抽取算法，对事件中的关键要素进行抽取；

将抽取的关键要素进行概念化处理，并于所述事件概念本体建立关联，形成事件知识图谱。

3.如权利要求2所述的方法，其特征在于，所述计算不同事件中抽取的要素的概念之间的路径相似度包括：

根据构建的事件概念本体库的概念层次关系，基于不同事件中两个细粒度的概念在概念层次中的深度和路径关系，通过下式计算两个细粒度概念之间的相似度Sim(c_i,c_j)：

其中，depth(c_i)和depth(c_j)分别是术语c_i和c_j在概念层次中的深度，depth(c_lcs)表示术语c_i和c_j在概念层次中共同父概念的深度。

4.如权利要求3所述的方法，其特征在于，所述计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度包括：

针对事件j₁和j₂利用下式计算事件间的相似度Sim(j₁,j₂)：

Sim(j₁,j₂)＝α₁×SimC1+α₂×SimC2+…+α_n×SimCn

其中，SimCi表示事件j₁和j₂在Ci概念下两个细粒度概念的相似度，α_i是加权求和中SimCi对应的权重。

5.一种基于综合相似度辅助判断关联事件的方法，其特征在于，包括：

基于事件间的融合路径权重相似度计算事件间的第一类型相似度；

基于事件间的语义相似度计算事件间的第二类型相似度；

基于专家规则计算事件间的第三类型相似度；

基于第一类型相似度、第二类型相似度和第三类型相似度，辅助判断事件之间是否为关联事件；

其中，基于事件间的融合路径权重相似度计算事件间的第一类型相似度包括：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到第一类型相似度。

6.一种计算机，包括处理器和存储器，所述处理器用于执行存储器中存储的指令以执行如下步骤：

构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；

计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度；

将事件间相似度大于第一阈值的多个事件辅助判断为关联事件。

7.一种计算机，包括处理器和存储器，所述处理器用于执行存储器中存储的指令以执行如下步骤：

基于事件间的融合路径权重相似度计算事件间的第一类型相似度；

基于事件间的语义相似度计算事件间的第二类型相似度；

基于专家规则计算事件间的第三类型相似度；

基于第一类型相似度、第二类型相似度和第三类型相似度，辅助判断事件之间是否为关联事件；

其中，基于事件间的融合路径权重相似度计算事件间的第一类型相似度包括：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到第一类型相似度。