[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

说明书

本发明实施例提供了一种基于融合路径权重相似度判断关联事件的方法及装置，该方法包括：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。

技术领域

本发明涉及一种基于事件间融合路径权重相似度判断关联事件的方法及装置。

背景技术

现有技术中对关联事件的处理方式，是通过人的经验来对已有的数据进行分析，来确定事件之间是否存在关联，效率低，准确性差。

发明内容

本发明提供一种基于事件间融合路径权重相似度判断关联事件的方法及装置，能够改善办事效率。

为实现上述目的，本发明一方面提供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，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。

优选地，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。

优选地，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。

优选地，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。

本发明另一方面还提供一种基于综合相似度辅助判断关联事件的方法，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；