[发明专利]一种融合规则与深度学习的汽车新闻事件抽取方法

权利要求书

1.一种融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，包括：

文本预处理步骤，获取网络新闻文本数据，包括新闻语料和百科数据，对所述网络新闻文本数据进行文本预处理，基于预处理后的新闻语料和百科数据形成训练集，对词向量和字向量进行训练；

基于规则的基模型构建步骤，提取汽车行业新闻事件所需抽取的关键属性，建立适用于汽车领域的本体知识库，构建基于规则的基模型；

深度学习神经网络训练步骤，搭建并训练用于判断事件类别的BiLSTM+CRF网络；

事件抽取步骤，基于所述BiLSTM+CRF网络对未标注新闻语料进行识别，获取对应的事件类别；

所述本体知识库包括公司词库、高管职位词库、触发词库、事件结果词库、被动词否定词词库和新闻发生时态词库；

所述基模型用于与本体知识库中的词库进行词语匹配，找到新闻事件中的触发词，再根据触发词所对应的不同规则模式来抽取其它相应的事件元素，

所述规则模式包括：

1)主被动公司关系模式

[主动公司，新闻发生时态，触发词，被动公司，事件结果]

2)单个公司事件模式

[主动/被动公司，新闻发生时态，触发词，事件结果]

3)合作重组事件模式

[主动公司，主动公司，新闻发生时态，触发词，事件结果]

4)倒装事件模式

[主动公司，新闻发生时态，股票机构，触发词，事件结果]。

2.根据权利要求1所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，所述获取网络新闻文本数据的具体过程包括：

步骤101：获取一段历史时间内的所有新闻信息的网址；

步骤102：提取需要的新闻信息及整个页面信息，并将每个新闻存储为一个文件，形成新闻语料；

步骤103：使用爬虫技术获取百科数据。

3.根据权利要求1所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，对所述新闻语料的文本预处理具体为：

步骤201：将原有的新闻用空格作为每条新闻结束的标志将新闻重新进行划分，数据集的存储格式为：

News＝[{original_news1,segmentation1,time1},{original_news2,segmentation2,time2,{},…}

其中，original_news为原始新闻标题，segmentation为用结巴分词对原始新闻标题进行分词后的结果，time为爬取到的新闻发布时间；

步骤202：剔除编码错误的数据。

4.根据权利要求3所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，对词向量和字向量的训练过程中，

训练字向量时，对每个字之间用空格作为分隔符来训练；训练词向量时，用结巴分词对词语进行初步分词，然后输入Word2Vec进行词向量的训练。

5.根据权利要求1所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，所述提取汽车行业新闻事件所需抽取的关键属性包括：

采用半监督机器学习算法从新闻文本中挖掘关键属性，构成新闻事件抽取的关键属性体系。

6.根据权利要求1所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，所述BiLSTM+CRF网络训练时，以所述基模型的抽取结果和标注样本作为训练集。

7.根据权利要求1所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，所述事件抽取步骤具体包括：

步骤701：读取待抽取的文本语料，对语料进行预处理；

步骤702：对于每一个句子进行分词处理，判断词语中是否包含触发词；

步骤703：判断分词后的每一个词语是否出现在事件角色词典中，标注事件角色特征，所述事件角色词典包括公司词库和高管职位词库；

步骤704：提取事件句中词语的特征，包括词语基本特征以及词语的上下文环境特征，生成统一格式文件，采用训练好的所述BiLSTM+CRF网络进行预测；

步骤705：循环处理事件句，完成事件抽取任务。

8.根据权利要求7所述的融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，所述步骤704中，对于每一种角色类别选择预测概率最大的词语作为最终的事件元素。