[发明专利]一种事件抽取方法、相关装置、设备及存储介质

说明书

本申请实施例公开了一种事件抽取方法、相关装置、设备及存储介质，用于将句级自然语言转化为结点和边，再将结点和边转化为语义特征来进行事件抽取，能够保证获取事件的精度。本申请实施例方法包括：获取待处理文本；根据待处理文本生成抽象语义表示，抽象语义表示包括与词语一一对应的结点，以及用于连接结点之间边；对抽象语义和文本表示进行语义编码处理，得到语义嵌入向量，语义嵌入向量用于表示每个词语的与事件之间的语义特征；对抽象语义表示进行图编码处理，得到图嵌入向量，其中，图嵌入向量为用于表示通过边相连接的结点的结构特征；将语义嵌入向量与图嵌入向量进行拼接，得到拼接特征向量；对拼接特征向量进行识别，输出目标事件。

技术领域

本申请实施例涉及互联网技术领域，尤其涉及一种事件抽取方法、相关装置、设备及存储介质。

背景技术

事件抽取是从非结构化信息中抽取出用户感兴趣的事件，并以结构化呈现给用户,一般是先通过对信息进行事件检测，然后在对检测出的事件进行事件角色抽取。

而传统的事件抽取方法主要是采用有监督学习的方法，一般是需要预先通过人工进行数据集标签的标注来获取标准语料，以及预先对数据集中的事件进行定义架构，再利用标注好的语料和定义好的事件架构来训练高级神经网络，进而通过训练好的高级神经网络来进行事件抽取。

而传统的事件抽取方法虽然不依赖于语料的内容与格式，但事件抽取数据集的构建难度高以及需要大规模的标准语料，否则会出现较为严重的数据稀疏问题，导致高级神经网络训练受限，从而造成事件抽取的效果不佳。

发明内容

本申请实施例提供了一种事件抽取方法，用于通过将句级的自然语言转化为方便识别的结点和边，再将结点和边转化为能够准确反映每个结点之间的语义关系的语义嵌入向量以及通过边相连接的结点之间的语义关系的图嵌入向量，来实现对事件语义定义架构的扩展，使得事件语义关系具备较高的准确性，从而保证获取目标事件的精度。

有鉴于此，本申请一方面提供一种事件抽取方法，包括：

获取待处理文本，其中，待处理文本包括N个词语，N为大于1的整数；

根据待处理文本生成抽象语义表示，其中，抽象语义表示包括与词语一一对应的结点，以及用于连接结点之间边；

对抽象语义表示以及待处理文本进行语义编码处理，得到语义嵌入向量，其中，语义嵌入向量用于表示每个词语与事件之间的语义特征；

对抽象语义表示进行图编码处理，得到图嵌入向量，其中，图嵌入向量为用于表示通过边相连接的结点之间的结构特征；

将语义嵌入向量与图嵌入向量进行拼接，得到拼接特征向量；

对拼接特征向量进行识别，输出目标事件，其中，目标事件包括从N个词语中抽取出的触发词以及角色词，触发词用于指示待处理文本中的发生的事件，角色词用于指示待处理文本中的各个实体在事件中角色。

本申请的另一方面提供一种事件抽取装置，包括：

获取单元，用于获取待处理文本，其中，待处理文本包括N个词语，N为大于1的整数；

生成单元，用于根据待处理文本生成抽象语义表示，其中，抽象语义表示包括与词语一一对应的结点，以及用于连接结点之间边；

处理单元，用于对抽象语义表示以及待处理文本进行语义编码处理，得到语义嵌入向量，其中，语义嵌入向量用于表示每个词语与事件之间的语义特征；

处理单元，还用于对抽象语义表示进行图编码处理，得到图嵌入向量，其中，图嵌入向量为用于表示通过边相连接的结点之间的结构特征；

处理单元，还用于将语义嵌入向量与图嵌入向量进行拼接，得到拼接特征向量；