[发明专利]一种事件抽取方法、存储介质及服务器

说明书

本发明提供了一种事件抽取方法、存储介质及服务器，该事件抽取方法包括：获取待抽取的文本语料；对通用领域的roberta模型进行预训练，得到专业领域的roberta模型；对文本语料中的每条文本进行人工标注；将专业领域的roberta模型、触发词识别模块、事件类型识别模块及事件论元识别模块组成一个事件抽取模型；根据经过人工标注的文本语料对事件抽取模型进行监督训练；将文本语料中的每条文本输入事件抽取模型，由事件抽取模型提取每条文本中的事件触发词、每个事件触发词对应的事件论元及每条文本的事件类型；整合所得到的事件触发词、每个事件触发词对应的事件论元及每条文本的事件类型，得到事件抽取结果。提升事件抽取模型提取事件的精度和效率。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种事件抽取方法、存储介质及服务器。

背景技术

事件抽取，指的是将需要的事件的信息从非结构化的文本中提取出来，整合成结构化的形式。文本的事件抽取通过包括事件类型判断、事件触发词提取、事件论元的提取。其中，事件论元包括事件主体、事件客体、时间、地点等。事件抽取在舆情监测、文本摘要、自动问答、事理图谱自动构建等领域有着重要应用。在真实的场景中，由于文本中存在句式复杂、主被动转换、多事件主客体共享等难点，因此事件抽取是一项极具挑战的抽取任务。

发明内容

本发明提供了一种事件抽取方法、存储介质及服务器，用以提高事件抽取的准确性及效率。

第一方面，本发明提供了一种事件抽取方法，该事件抽取方法包括：

获取待抽取的文本语料，其中，该文本语料包括至少一条文本；

根据待抽取的文本语料，对通用领域的roberta模型进行预训练，得到专业领域的roberta模型；

对文本语料中的每条文本进行人工标注，标注标签包括事件触发词及事件论元标签、每个事件触发词对应的事件论元标签、每条文本的事件类型标签；

将专业领域的roberta模型、触发词识别模块、事件类型识别模块及事件论元识别模块组成一个事件抽取模型；

根据经过人工标注的文本语料对事件抽取模型进行监督训练；

将文本语料中的每条文本输入事件抽取模型，由事件抽取模型提取每条文本中的事件触发词、每个事件触发词对应的事件论元及每条文本的事件类型；

整合所得到的事件触发词、每个事件触发词对应的事件论元及每条文本的事件类型，得到事件抽取结果。

在上述的方案中，通过利用待抽取的语料文本对通用领域的roberta模型进行预训练后，所得到的专业领域的roberta模型可以更好地捕捉到待抽取的语料文本中的独有信息。并且进行预训练可以减少字的unk(unknown)的情况，为准确提取事件的特征打下基础。对于上述标注出的事件触发词及事件论元标签，主要是为了后续步骤中的触发词识别模块提取事件触发词，为了提升触发词识别模块提取事件触发词的准确率。且通过采用一个事件抽取模型同时预测事件类型、事件触发词、事件论元，无需采用多个模型共同协作的方式，减少模型层与层之间传播时产生的积累误差，提升事件抽取模型提取事件的精度和效率。

在一个具体的实施方式中，通用领域的roberta模型为基于中文维基百科训练的通用的roberta模型。

在一个具体的实施方式中，标注方法采用BEIO加所属事件类型的标注方法。

在一个具体的实施方式中，由事件抽取模型提取每条文本中事件的触发词、每个事件触发词对应的事件论元及每条文本的事件类型为：

触发词识别模块提取每条文本中的事件触发词、以及每个事件触发词在该条文本中所在的位置；

事件类型识别模块提取每条文本的事件类型；