[发明专利]因果关键词的抽取方法、装置以及设备

说明书

本申请提出一种因果关键词的抽取方法、装置、以及计算机设备，其中，方法包括：通过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第一输入文本进行关键词抽取，以将机器学习模型抽取的关键词作为原因关键词，将原因关键词、设定的结果文本和原始句子进行拼接，以生成原因关键词对应的第二输入文本，采用机器学习模型对原因关键词对应的第二输入文本进行关键词抽取，以将机器学习模型抽取的关键词作为原因关键词对应的结果关键词。由此，采用机器学习模型在文本中自动抽取原因关键词和对应的结果关键词，不仅减少了人工消耗，还提高了泛化能力。

技术领域

本申请涉及深度学习技术领域，尤其涉及一种因果关键词的抽取方法、装置以及设备。

背景技术

因果关系是“原因”和“结果”之间的关系，是引起和被引起的关系。因果关系作为一种重要的关系类型，在许多任务中起着重要作用，如，事件预测、情景生成、问答以及文本蕴涵等。因果关系抽取中，最重要的是对于因果关键词的抽取，因果关键词标志着该句子中的事件是因还是果。可以说，因果关系的抽取就是因果关键词的抽取。

现有技术中，从文本中抽取因果关键词时，无法同时抽取同一句中的多对因果关键词，例如句子“小明同学平时努力学习，所以期末考试取得了优异的成绩”，现有的因果关键词抽取方法无法同时抽取出句子中的多对因果关键词“努力-优异”、“学习-成绩”，导致现有的因果关键词抽取方法的抽取效率低。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请提出一种因果关键词的抽取方法，以实现采用机器学习模型抽取出文本中所有的因果关键词，有利于提高因果关键词的抽取效率。

本申请第一方面实施例提出了一种因果关键词的抽取方法，包括：

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。

可选地，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。

可选地，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；