[发明专利]一种确定事件主体的方法和装置

权利要求书

1.一种确定事件主体的方法，其特征在于，包括：

构建训练样本集；其中，所述训练样本集中包括：多个训练样本；所述训练样本中包括：训练文本、所述训练文本的事件类型和所述训练文本的事件主体；

根据所述训练样本集训练抽取模型；其中，所述抽取模型包括：输入层、注意力层、序列层和输出层；

确定预测文本的事件类型；

根据所述预测文本的事件类型和训练后的抽取模型，确定所述预测文本的事件主体。

2.如权利要求1所述的方法，其特征在于，

所述构建训练样本集，包括：

获取所述训练文本、所述训练文本的事件类型和所述训练文本的事件主体；

根据预设的字符规则对所述训练文本、所述训练文本的事件类型和事件主体进行处理，处理后的所述训练文本、所述训练文本的事件类型和事件主体构成所述训练样本。

3.如权利要求1所述的方法，其特征在于，

所述根据所述训练样本集训练抽取模型，包括：

将所述训练文本、所述训练文本的事件类型和事件主体输入所述抽取模型，得到所述训练文本中的字符作为事件主体的概率和所述训练文本的事件类型中的字符作为事件主体的概率；

根据所述训练文本中的字符作为事件主体的概率和所述训练文本的事件类型中的字符作为事件主体的概率，调整所述抽取模型的参数。

4.如权利要求3所述的方法，其特征在于，

所述将所述训练文本、所述训练文本的事件类型和事件主体输入所述抽取模型，得到所述训练文本中的字符作为事件主体的概率和所述训练文本的事件类型中的字符作为事件主体的概率，包括：

将所述训练文本、所述训练文本的事件类型和事件主体输入所述输入层，得到训练文本编码、所述训练文本的事件类型编码和事件主体编码；

将携带所述训练文本的事件主体编码的所述训练文本编码和所述训练文本的事件类型编码输入所述注意力层，得到若干语义向量；其中，所述若干语义向量包括：与所述训练文本中的字符对应的语义向量和与所述训练文本的事件类型中的字符对应的语义向量；

将所述若干语义向量输入所述序列层，得到若干序列向量；

将所述若干序列向量输入所述输出层，得到所述训练文本中的字符作为事件主体的概率和所述训练文本的事件类型中的字符作为事件主体的概率。

5.如权利要求4所述的方法，其特征在于，

所述将携带所述训练文本的事件主体编码的所述训练文本编码和所述训练文本的事件类型编码输入所述注意力层，得到若干语义向量，包括：

将携带所述训练文本的事件主体编码的所述训练文本编码和所述训练文本的事件类型编码输入所述注意力层，以使所述注意力层根据携带所述训练文本的事件主体编码的所述训练文本编码和所述训练文本的事件类型编码，确定所述训练文本中各个字符的字符向量、位置向量和标识向量，以及所述训练文本的事件类型中各个字符的字符向量、位置向量和标识向量；根据所述训练文本中各个字符的字符向量、位置向量和标识向量，以及所述训练文本的事件类型中各个字符的字符向量、位置向量和标识向量，确定若干语义向量。

6.如权利要求4所述的方法，其特征在于，

在所述将所述若干语义向量输入所述序列层之前，进一步包括：

确定所述语义向量中元素的数量是否小于预设的长度阈值，如果是，填充所述语义向量中的元素，以使所述语义向量中元素的数量等于所述长度阈值。

7.如权利要求3所述的方法，其特征在于，

所述根据所述训练文本中的字符作为事件主体的概率和所述训练文本的事件类型中的字符作为事件主体的概率，调整所述抽取模型的参数，包括：

根据预设的损失函数、所述训练文本中的字符作为事件主体的概率、所述训练文本的事件类型中的字符作为事件主体的概率以及所述训练文本的事件主体编码，计算所述训练文本的损失值；

根据所述训练文本的损失值和Adam算法调整所述抽取模型的参数。