[发明专利]一种基于自然语言理解的文本中事件的抽取方法

摘要

本发明公开了一种基于自然语言理解的文本中事件的抽取方法，用于解决在计算社会科学领域，政治事件自动理解和自动量化的难题。本发明可以从海量的非结构化文本中，自动提取出结构化的政治事件，并对事件的发起者、承受者、事件类型、时间、地点等要素进行规范化编码。现有政治事件提取系统如Petrarch、BBN Serif均针对英文进行处理，本发明可弥补中文政治事件自动提取的空白。提取出的事件数据可用于开展安全形势、国家关系等分析和预测应用。

主权项

1.一种基于自然语言理解的文本中事件的抽取方法，其特征在于，包括如下步骤：步骤1，用户给定一篇中文文本作为输入，文本中的字段包含标题、正文、发布时间，其中标题和正文用于进行事件抽取，发布时间用于全文的时间映射；步骤2，对文本进行分句，并对每一句话进行分词、词性标注和实体识别；其中，分词和词性标注作为实体识别中特征提取的基础，而事件的发起者、承受者、地点三类要素将从实体识别的结果中产生；步骤3，对文本全文出现的时间进行抽取，并以步骤1中发布时间作为基准，将不同表达方式的时间映射到同一时间轴，作为候选的事件发生时间；步骤4，对文本进行过滤，过滤标准包括：时间超出范围、不包含实体、匹配停止模式，保留下来的句子被称为事件句；步骤5，对事件句进行句法解析，并基于生成的句法树，通过广度优先遍历获取句子中的动词，将动词按照从根到叶子节点的顺序组织，称为关键动词列表；步骤6，对事件句进行自动语义角色标注，并基于标注的结果，获取每个关键动词所对应的地点LOC和时间TMP角色；步骤7，对关键动词列表中的每个元素，以其作为核心动词，从事件模板库中获取到对应的事件模板列表，按照预定的优先级进行模板匹配和事件要素抽取；步骤8，结合匹配的模板，判断句子是否属于特殊句式，并对结果进行相应的转换；步骤9，对抽取的结果进行拆解和变换，形成一到多个事件，使发起者、承受者、事件发生地形成一一对应的关系；步骤10，参考CAMEO编码规范，利用参与者编码表对发起者和承受者的国家、角色、宗教、职位属性进行编码；步骤11，利用地理信息库对事件发生地的国家、所属行政区、经纬度属性进行编码；步骤12，利用事件评分表对描述事件和平和冲突程度的分值、事件对双边关系的影响分值进行赋值，并将事件划分到具体的类别。