[发明专利]事件指称匹配方法、模型训练方法、装置和电子设备

说明书

本公开提供了一种事件指称匹配方法、模型训练方法以及装置，涉及人工智能领域，尤其涉及知识图谱领域和深度学习领域。具体实现方案为：获取待处理的第一、第二事件指称，并获取第一事件指称的第一辅助文本和第二事件指称的第二辅助文本；根据第一事件指称、第一辅助文本、第二事件指称和第二辅助文本，生成融合编码特征向量；融合编码特征向量为融合了第一事件指称、第一辅助文本、第二事件指称和第二辅助文本的文本信息、结构化信息的编码特征向量；根据融合编码特征向量，生成文本对编码特征向量；文本对编码特征向量为由第一事件指称和第二事件指称组成的文本对的编码向量；根据文本对编码特征向量确定第一和第二事件指称是否为相同事件。

技术领域

本公开涉及人工智能领域，尤其涉及知识图谱领域和深度学习领域，特别的涉及一种事件指称匹配方法、事件指称匹配模型的训练方法、装置、电子设备和存储介质，可用于事件指称归一场景。

背景技术

事件指称归一是判别两个事件指称是否对应现实世界中的相同事件的任务，其中事件指称是指从新闻标题等多媒体信息来源当中挖掘到的相对简短的事件描述文本。

事件指称归一(又称为事件指称匹配)目前普遍采用基于文本匹配的事件指称归一技术进行解决，这种方案下，事件指称归一问题会被建模成普通的文本匹配任务，利用基于深度学习的文本匹配方法判别任意给定的两个事件指称是否指代相同事件。

发明内容

本公开提供了一种用于事件指称归一场景的事件指称匹配方法、事件指称匹配模型的训练方法、装置、电子设备和存储介质。

根据本公开的第一方面，提供了一种事件指称匹配方法，包括：

获取待处理的第一事件指称和第二事件指称，并获取所述第一事件指称的第一辅助文本和所述第二事件指称的第二辅助文本；

根据所述第一事件指称、所述第一辅助文本、所述第二事件指称和所述第二辅助文本，生成融合编码特征向量；所述融合编码特征向量为融合了所述第一事件指称、所述第一辅助文本、所述第二事件指称和所述第二辅助文本的文本信息、结构化信息的编码特征向量；

根据所述融合编码特征向量，生成文本对编码特征向量；所述文本对编码特征向量为由所述第一事件指称和第二事件指称组成的文本对的编码向量；

根据所述文本对编码特征向量确定所述第一事件指称和所述第二事件指称是否为相同事件。

根据本公开的第二方面，提供了一种事件指称匹配模型的训练方法，包括：

获取事件指称对样本和所述事件指称对样本对应的标签；所述事件指称对样本包括第一事件指称样本和第二事件指称样本；所述标签用于指示所述第一事件指称样本与所述第二事件指称样本是否指代相同事件；

获取所述第一事件指称样本的第一辅助文本样本和所述第二事件指称样本的第二辅助文本样本；

构建事件指称匹配模型；所述事件指称匹配模型包括结构化信息输入层、编码层和输出层；

利用所述第一事件指称样本、所述第一辅助文本样本、所述第二事件指称样本、所述第二辅助文本样本和所述标签，对所述事件指称匹配模型进行训练。

根据本公开的第三方法，提供了一种事件指称匹配装置，包括：

获取模块，用于获取待处理的第一事件指称和第二事件指称，并获取所述第一事件指称的第一辅助文本和所述第二事件指称的第二辅助文本；

第一生成模块，用于根据所述第一事件指称、所述第一辅助文本、所述第二事件指称和所述第二辅助文本，生成融合编码特征向量；所述融合编码特征向量为融合了所述第一事件指称、所述第一辅助文本、所述第二事件指称和所述第二辅助文本的文本信息、结构化信息的编码特征向量；