[发明专利]一种触发词扩展方法、装置以及事件提取方法及系统

说明书

本发明提供了一种触发词扩展方法、装置以及事件提取方法及系统。一种触发词扩展方法，包括：接收输入的待扩展触发词列表U；对于待扩展的每个词，获取与其相似度大于相似阈值的相似词，和/或在预先设置好的近义词林中获取其近义词；将扩展得到的相似词和/或近义词加入扩展触发词列表H，对所述列表H中的每个词，计算其与所述列表U中词的语义相关性，将语义相关性大于相关阈值的词和所述列表U中的词加入保留触发词列表D；输出保留触发词列表D。本发明能够大大提高工作效率，减少人工干预的成本，能够保证触发词的覆盖面，提供更优质的触发词表，同时，在词表的基础上，使用事件提取算法能够精准的识别文本中的事件信息。

技术领域

本发明涉及通信技术领域，尤其涉及一种触发词扩展方法、装置以及事件提取方法及系统。

背景技术

事件提取是信息抽取领域的一个重要研究方向。事件提取主要把人们用自然语言表达的事件，以结构化的形式表现出来。事件提取作为信息处理领域的关键技术，在信息检索、自动问答、自动摘要、数据挖掘、文本挖掘等领域有着广泛的应用。

事件提取是基于触发词表(也叫触发词典)来完成的，触发词是用来寻找文本中包含事件的短语，比如词“爆炸”针对突发事件场景就是一个触发词，针对原始文本“昨晚9时左右，北京某小区发生天然气爆炸，造成3人受伤，目前已送往医院进行治疗”，通过触发词表可抽取出事件“北京某小区发生天然气爆炸”。所以，从该例中可以看出，在事件提取过程中，触发词表规模的大小以及触发词质量的好坏直接影响事件最终的抽取效果，所以，触发词表就成为该过程中最为重要的一个环节。但是，由于触发词表不易构建，现阶段主要是采用人工对语料进行标注来抽取其中触发词的方式。从大量的文本语料中去逐一寻找相应的触发词并记录到触发词表中，通过人工的方式在一定程度上能够满足触发词表的构建，但通过这种人工逐一查找的方式太费时费力，人工成本很高，而且人工查找的方式对触发词的覆盖面不全。亟需一种提高效率的基于词表扩展的方式来构建触发词表，再将该触发词表应用到事件提取过程中。

发明内容

为了解决现有技术中触发词表质量、效率不高的现状，本发明例提供了一种触发词扩展方法、装置以及事件提取方法及系统。

根据本发明的一个方面，提供一种触发词扩展方法，包括：

步骤S110，接收输入的待扩展触发词列表U；以及，采用步骤S120和步骤S130其中至少之一对所述列表U中的每个词进行扩展；

步骤S120，对于待扩展的每个词，获取与其相似度大于相似阈值的相似词；

步骤S130，对于待扩展的每个词，在预先设置好的近义词林中获取其近义词；

步骤S140，将扩展得到的相似词和/或近义词加入扩展触发词列表H，对所述列表H中的每个词，计算其与所述列表U中词的语义相关性，将语义相关性大于相关阈值的词和所述列表U中的词加入保留触发词列表D；

步骤S150，输出所述保留触发词列表D。

进一步的，在所述步骤S120之前，还包括：

通过爬虫抓取网络上的文本语料加入训练语料库；

对抓取到的语料进行自动分词；

对分词的结果进行相关度训练。

进一步的，所述对所述列表H中的每个词，计算其与所述列表U中词的语义相关性，具体包括：

计算所述列表H中词的左语义向量和右语义向量，计算所述列表U中词的左语义向量和右语义向量；

将所述列表H中词的左语义向量与所述列表U中词的左语义向量求余弦值，将所述列表H中词的右语义向量与所述列表U中词的右语义向量求余弦值，将两个余弦值按左右系数加权求和得到两个词之间的语义相关性。

进一步的，所述左语义向量和右语义向量的计算方式，包括：