[发明专利]一种基于地震新闻事件的地震数据结构化自动方法

权利要求书

1.一种基于地震新闻事件的地震数据结构化自动方法，其特征在于，包括如下步骤：

步骤(1)：利用网络爬虫爬取地震网站的相关新闻；预先选取地震新闻源网站并设置对应的XPath路径，爬虫会自动下载新闻列表中的所有新闻；

步骤(2)：通过BIO标注方式，对采集到的新闻数据标注其中的触发词和事件要素；

步骤(3)：将标注完的新闻数据集随机划分为训练数据集和测试数据集，其中测试数据集占20％；

步骤(4)：构建地震事件抽取模型，地震事件抽取模型采用Bi-LSTM和CRF组合的方式实现；

步骤(5)：训练步骤(4)构建的地震事件抽取模型；

步骤(6)：将训练好的地震事件抽取模型部署到实际应用中。

2.根据权利要求1中所述的一种基于地震新闻事件的地震数据结构化自动方法，其特征在于，步骤(1)中的触发词是先决条件，只有检测到触发词，认为是地震事件，才会进一步提取事件要素；

触发词用于判断是否为地震事件，包含‘地震’关键词，若检测到触发词，则认为是地震事件；事件要素包含发生时间、震中位置、震源深度、震级、受伤人数、死亡人数、直接经济损失这7类内容；其中，“B-事件要素”代表某一要素的开头，“I-事件要素”代表某一要素的中间，“O”代表非事件要素。

3.根据权利要求1中所述的一种基于地震新闻事件的地震数据结构化自动方法，其特征在于，步骤(4)的具体流程如下：

(4.1)、地震事件抽取模型输入为新闻内容的字符，内容长度任意，记为n；首先通过word2vec模块将每一个字符转化为对应的向量x_i；word2vec模块是一个已经训练完成的开源字符向量库，其中收录了中文字符、英文字母、标点符号等常用字符，且每一个字符对应的向量x_i维度大小均为100；查找新闻内容每一个字符对应的向量，该word2vec模块最后输出为n×100(x₁,x₂,…,x_n)，其中Λ代表长度为100的向量，此步骤目的是使新闻内容数字化；

(4.2)、将上一步骤(4.1)中每一个字符对应的向量x_i，依次作为Bi-LSTM模块的输入，经过循环计算，得到每一个LSTM单元的输出向量y_i，向量y_i的维度大小为17，向量y_i的含义为17种标签对应的概率值，该Bi-LSTM模块最后输出为n×17(y₁,y₂,…,y_n)，其中Λ代表长度为17的向量；

(4.3)、将上一步骤(4.2)中每一个单元输出的概率值通过CRF层得到最终结果路径；CRF层加入一些约束来保证最终预测结果是有效的，这些约束可以在训练数据时被CRF层自动学习得到；CRF通过计算所有可能路径的得分进行训练和预测，设每种可能的路径的分数为P_i，共有N条路径，则路径的总分是

其中，表示第i个LSTM单元输出的对应标签的概率；表示第i个标签到第i+1个标签的跳转概率，此跳转概率属于CRF层的参数，在训练时会自动学习；

训练时，损失函数定义如下:

其中P_RealPath代表真实路径得分；

实际预测时，取得分最高的路径作为最终结果，即

P_predict＝max(P₁,P₂,…,P_N)。