[发明专利]非结构化文本的事件抽取方法、系统及装置

说明书

本发明公开了一种非结构化文本的事件抽取方法、系统及装置，所述方法包括：基于预先构建好的事件意图字典库对非结构化文本中的事件进行抽取，识别事件的事件类型，并基于预先构建好的事件角色字典库，对事件中的角色要素进行识别；根据事件类型和角色要素，对事件进行结构化存储。本发明通过配置字典的形式，使得问句中事件的解析更灵活，便于维护，易于扩展，避免了深度学习需要收集相关语料、标注、训练等复杂的工序。

技术领域

本发明涉及人工智能自然语言处理技术领域，尤其是涉及一种非结构化文本的事件抽取方法、系统及装置。

背景技术

在现有技术中，事件抽取是把含有事件信息的非结构化文本以结构化的形式呈现出来，在自动文摘、自动问答、信息检索等领域有着广泛的应用。事件抽取技术的核心价值，是可以把半结构化、非结构化数据转换为对事件的结构化描述，进而支持丰富的下游应用。

目前的实体识别主要采取机器学习、深度学习，但是都存在不足之处：

(1)基于深度学习、机器学习的方法，首先需要收集前期的训练语料，然后进行标注，然而，对于金融、保险、石化等垂直领域，所需的标注语料是非常稀缺的，从而增加了该技术方案落地的困难性；同时，深度学习的效果存在很大的不稳定因素，准确率难以把控；

(2)基于深度学习、机器学习的方法，对于事件类型的增加则比较繁琐，需要从新训练，效率低下。

因此目前亟需一种新的非结构化文本事件抽取方法。

发明内容

本发明的目的在于提供一种非结构化文本的事件抽取方法、系统及装置，旨在解决现有技术中的上述问题。

本发明提供一种非结构化文本的事件抽取方法，包括：

基于预先构建好的事件意图字典库对非结构化文本中的事件进行抽取，识别事件的事件类型，并基于预先构建好的事件角色字典库，对事件中的角色要素进行识别；

根据事件类型和角色要素，对事件进行结构化存储。

本发明提供一种非结构化文本的事件抽取系统，包括：

解析层，用于基于预先构建好的事件意图字典库对非结构化文本中的事件进行抽取，识别事件的事件类型，并基于预先构建好的事件角色字典库，对事件中的角色要素进行识别；

应用层，用于根据事件类型和角色要素，对事件进行结构化存储。

本发明实施例还提供一种非结构化文本的事件抽取装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述非结构化文本的事件抽取方法的步骤。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传递的实现程序，程序被处理器执行时实现上述非结构化文本的事件抽取方法的步骤。

采用本发明实施例，在特定领域中性能较好，知识表示简洁，便于理解和后续应用；本发明实施例通过配置字典的形式，使得问句中事件的解析更灵活，便于维护，易于扩展，避免了深度学习需要收集相关语料、标注、训练等复杂的工序。此外，本发明实施例基于规则的方式，在领域内能够实现较高的事件识别准确率，避免了基于深度学习的不稳定性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。