[发明专利]因果关键词的抽取方法、装置以及设备

权利要求书

1.一种因果关键词的抽取方法，其特征在于，包括以下步骤：

将设定的原因文本和待抽取因果关键词的原始句子进行拼接，以生成第一输入文本；

采用经过训练的机器学习模型对所述第一输入文本进行关键词抽取，以将所述机器学习模型抽取的关键词作为原因关键词；

将所述原因关键词、设定的结果文本和所述原始句子进行拼接，以生成所述原因关键词对应的第二输入文本；

采用所述机器学习模型对所述原因关键词对应的第二输入文本进行关键词抽取，以将所述机器学习模型抽取的关键词作为所述原因关键词对应的结果关键词。

2.根据权利要求1所述的抽取方法，其特征在于，所述采用经过训练的机器学习模型对所述第一输入文本进行关键词抽取，以将所述机器学习模型抽取的关键词作为原因关键词，包括：

将所述第一输入文本输入所述机器学习模型的特征提取层，得到所述特征提取层输出的所述第一输入文本中各字符的字向量；

将所述第一输入文本中各字符的字向量输入所述机器学习模型的图卷积神经网络层，得到所述第一输入文本的语义向量；

将所述语义向量输入所述机器学习模型的注意力层，以根据所述语义向量，对所述第一输入文本中各字符进行注意力权重预测，得到各字符的注意力权重；

将各字符的注意力权重输入所述机器学习模型的输出层，以使所述输出层根据各字符的注意力权重输出所述原因关键词。

3.根据权利要求1所述的抽取方法，其特征在于，所述采用所述机器学习模型对所述原因关键词对应的第二输入文本进行关键词抽取，以将所述机器学习模型抽取的关键词作为所述原因关键词对应的结果关键词，包括：

将所述原因关键词对应的所述第二输入文本输入所述机器学习模型的特征提取层，得到所述特征提取层输出的所述第二输入文本中各字符的字向量；

将所述第二输入文本中各字符的字向量输入所述机器学习模型的图卷积神经网络层，得到所述第二输入文本的语义向量；

将所述语义向量输入所述机器学习模型的注意力层，以根据所述语义向量，对所述第二输入文本中各字符进行注意力权重预测，得到所述第二输入文本中各字符的注意力权重；

将所述第二输入文本中各字符的注意力权重输入所述机器学习模型的输出层，以使所述输出层根据各字符的注意力权重输出所述原因关键词对应的结果关键词。

4.根据权利要求1-3任一项所述的抽取方法，其特征在于，所述方法还包括：

获取所述机器学习模型对训练样本进行因果关键词抽取得到的一个预测原因关键词，以及所述预测原因关键词对应的预测结果关键词；

根据所述预测原因关键词与所述训练样本标注的标准原因关键词之间的差异，确定第一损失信息；

根据所述预测原因关键词对应的预测结果关键词，与所述训练样本标注的标准结果关键词之间的差异，确定第二损失信息；

根据所述第一损失信息和所述第二损失信息，对所述机器学习模型进行模型参数调整。

5.根据权利要求4所述的抽取方法，其特征在于，所述获取所述机器学习模型对训练样本进行因果关键词抽取得到的一个预测原因关键词，包括：

若采用所述机器学习模型对所述训练样本进行因果关键词抽取出的预测原因关键词为多个，则从多个所述预测原因关键词中随机抽取所述一个预测原因关键词。

6.根据权利要求1-3任一项所述的抽取方法，其特征在于，

所述设定的原因文本包括表征原因语义的词或句子；

所述设定的结果文本包括表征结果语义的词或句子。

7.根据权利要求1-3任一项所述的抽取方法，其特征在于，所述将设定的原因文本和待抽取因果关键词的原始句子进行拼接，以生成第一输入文本，包括：

在所述设定的原因文本中最后一个字符之后顺序接续所述原始句子的各字符，以得到所述第一输入文本。