[发明专利]一种融合实体关系和事件要素的事件检测方法

权利要求书

1.一种融合实体关系和事件要素的事件检测方法，其特征在于，所述事件检测方法包括以下步骤：

S1，对待检测语料进行分句、分词以及编码处理，同时对实体关系类型和事件要素类型进行编码；

S2，根据实体关系构造实体关系图，运用预编码的实体关系类型向量修改对应的邻接矩阵，融合实体关系信息；

S3，将句子表示、实体关系图和实体关系类型向量输入第一图卷积神经网络，得到融合了实体关系的句子表示；将融合实体关系的句子表示输入二分类器提取得到事件触发词；

S4，根据抽取的事件触发词构造触发词-事件要素关系图，运用事件要素类型向量值修改对应的邻接矩阵，融入事件要素信息；

S5，将句子表示、触发词-事件要素关系图和事件要素类型向量输入第二图卷积神经网络进行特征学习，得到融合了事件要素的句子表示；将融合事件要素的句子表示输入多分类器识别事件类型；

S6，合并抽取的触发词和事件类型，得到最终的事件检测结果。

2.根据权利要求1所述的融合实体关系和事件要素的事件检测方法，其特征在于，步骤S1中，所述对待检测语料进行分句、分词以及编码处理，同时对实体关系类型和事件要素类型进行编码的过程包括以下步骤：

步骤S101，针对待检测语料，运用分句、分词、命名实体识别工具对其进行预处理并获取给定句子的词向量、位置向量和片段向量，三者求和作为BERT模型的输入，对句子进行预编码，得到句子表示H＝[h₁,h₂,…,h_n]；

步骤S102，预先定义语料中所有的实体关系类型和事件要素类型，运用word2vec工具对其进行编码，得到对应的实体关系类型特征向量和事件要素类型特征向量。

3.根据权利要求1所述的融合实体关系和事件要素的事件检测方法，其特征在于，步骤S2中，所述根据实体关系构造实体关系图的过程包括以下步骤：

运用命名实体识别和实体关系抽取工具得到语料的实体关系信息，以一个句子中的每个词为节点v，在包含关系的两个实体间进行连接得到边e；针对每个节点构造自环边，构建句子级实体关系图g＝[v，e]。

4.根据权利要求3所述的融合实体关系和事件要素的事件检测方法，其特征在于，步骤S2中，所述融合实体关系信息的过程包括以下步骤：

根据实体关系图得到对应的邻接矩阵A；

根据句子中存在的实体关系类型向量arg，将邻接矩阵中对应处的数值改写为对应的实体关系类型的向量值得到实体关系矩阵M；实体关系类型向量arg∈R^m×1，表示为arg＝[r₁,r₂,…r_m]^T，r_i为实体关系类型的向量值，m为句子中存在的实体关系类型数。

5.根据权利要求1所述的融合实体关系和事件要素的事件检测方法，其特征在于，步骤S3中，将句子表示、实体关系图和实体关系类型向量输入第一图卷积神经网络，得到融合了实体关系的句子表示的过程包括以下步骤：

将句子表示、句子级实体关系图和实体关系类型向量输入图卷积神经网络，根据句子表示得到第一层输入H⁰＝X，X∈R^n×d；

运用多层图卷积神经网络通过以下公式进行编码，将实体间的关系以及实体关系类型信息融入各个节点之中，增强特征表示：

H^l+1＝σ(MH^lW^l)

其中，M为实体关系矩阵，H^l为上一层的输出，W^l为第l层的权重参数矩阵，σ()为非线性激活函数；

由初始句子向量H⁰和经过图卷积神经网络之后的句子向量H^l求和得到融合了实体关系的的句子向量H，即H＝H⁰+H^l。