[发明专利]一种基于动机关系的多线索图谱生成方法及系统

说明书

本发明属于多线索图谱生成技术领域，具体涉及一种基于动机关系的多线索图谱生成方法及系统。方法包括：获取各种事件文本，并对获取的各种事件文本进行处理，得到各种事件文本对应的事件实体；构建线索挖掘框架，将各种事件实体输入至线索挖掘框架中以挖掘得到包括各种事件之间关联信息的各种线索，并计算各种线索的置信度；构建多层卷积神经网络模型，将置信度高于预设值的线索作为训练样本对模型进行训练，以得到训练后的模型；基于训练后的模型，对置信度低于预设值的线索进行置信度预测，以替代挖掘得到的置信度低于预设值的线索的置信度；基于各种线索的置信度，构建多线索图谱，以建立事件与事件间的联系。

技术领域

本发明属于多线索图谱生成技术领域，具体涉及一种基于动机关系的多线索图谱生成方法及系统。

背景技术

在事件知识谱图的事件关系提取中，提出了许多的关系，包括共指关系、子事件关系、因果关系等。共指关系指的是两个事件都指向的同一个关系，子事件关系反映的是两个事件的包含关系，因果关系反映的是事件的因果的继承关系，有一定的时序关系。

但是在上市公司的事件抽取中，可能会存在一些事件并不属于以上任何一种关系。上市公司的一个事件可能会触发很多事件，而触发的事件又会涉及到很多其他事件的不同方面。因此仅用共指关系、子事件关系、因果关系等关系对上市公司事件的关系就行提取，存在提取不完整的问题。

发明内容

本发明的目的在于提供一种基于动机关系的多线索图谱生成方法及系统，通过对获得的各种事件文本进行处理以得到各种事件文本对应的事件实体，并基于线索挖掘框架、各事件实体对事件间的各种线索进行挖掘，以提取各线索间的动机关系，计算各种线索的置信度，并根据各种线索的置信度构建各事件的多线索图谱，以建立事件与事件间的联系。

为实现以上目的，本发明采用以下技术方案：

本发明实施例第一方面提供一种基于动机关系的多线索图谱生成方法，包括以下步骤：

S1、获取各种事件文本，并对获取的各种事件文本进行处理，以得到各种事件文本对应的事件实体，所述事件实体为包含词与词之间关联信息的片段；

S2、构建线索挖掘框架，将各种事件实体输入至线索挖掘框架中以挖掘得到包括各种事件之间关联信息的各种线索，并计算各种线索的置信度；

S3、构建多层卷积神经网络模型，将置信度高于预设值的线索作为训练样本对模型进行训练，以得到训练后的模型；

S4、基于训练后的模型，对置信度低于预设值的线索进行置信度预测，以替代步骤S2中置信度低于预设值的线索的置信度；

S5、基于各种线索的置信度，构建多线索图谱，以建立事件与事件间的联系。

作为优选方案，所述事件文本为各上市公司官网发布的公告以及各媒体平台上关于各上市公司的新闻。

作为优选方案，步骤S1包括：

S1.1、对获取到的各种事件文本进行清理，以得到清理后的各种事件文本；

S1.2、利用深度学习的方法对清理后的各种事件文本进行事件抽取，获取词与词之间的关联信息，以得到各种事件文本对应的各种事件实体。

作为优选方案，步骤S1.1中包括，通过正则表达式删除事件文本中的图片以及链接。

作为优选方案，步骤S2包括：

S2.1、构建基于Web的线索挖掘框架；

S2.2、选择至少两个关键词作为挖掘的目的，将各种事件实体输入至Web模型中，以得到当前迭代对应的搜索结果，搜索结果为至少包含一个所选关键词的片段，并基于目前所有搜索得到的片段中关键词的数量对所有搜索得到的片段进行提取，并将提取的结果作为当前迭代对应的多个候选线索，并计算每个候选线索的置信度；