[发明专利]融合依存关系与篇章修辞关系的事件时序关系识别方法

权利要求书

1.一种融合依存关系与篇章修辞关系的事件时序关系识别方法，其特征在于，包括：

给定事件对e₁,e₂,提取最短依存路径方面；考虑到依存句法树复杂的句法结构，另外增加了一条启发式规则来丰富事件相关信息；把孩子节点加入依存路径中，最后将提取出的词按事件句出现顺序排序；之后将得到的事件对依存路径按照与基准模型相同的处理方法，经过嵌入层，双向LSTM层以及隐藏层得到向量表示Y'；

使用篇章分析器对事件对所在篇章构建篇章树；篇章树从篇章的视角构建了各篇章基本单元间的逻辑修辞关系，而事件对e₁,e₂恰好位于篇章树中的某两个树叶节点中；找到对应节点的最低公共父节点，并将该节点对应的修辞关系提取出来；事件间的修辞关系在一定程度上反应了这两个事件之间的语义关联；对于提取出的事件对的篇章修辞关系，将其映射为向量，形成篇章关系的向量表示f_m；

此外，依赖于篇章分析器自动生成篇章树；考虑到当前的篇章关系解析器性能还不够完善，提取出的篇章关系存在一定的噪音，引入了门控机制对其进行调整；

g＝σ(f_mW_g+b_g)

f_g＝g·f_m

其中σ是sigmoid激活函数，W_g和b_g是对应的权重矩阵和偏置量，g是计算出的门控系数，f_g是经过门控调整的篇章关系向量；

然后，将依存关系路径向量和篇章修辞关系向量拼接，使得事件对表征包含更多的深层语义信息：

Y_new＝concat(Y'+f_g)

concat表示拼接函数；

最后将其放入识别层进行softmax分类；

o＝Softmax(Y_newW_o+b_o)

其中,W_o和b_o是Softmax函数的权重矩阵和偏置量，o是计算出的关系标签的概率分布；

使用Stanford CoreNLP中的依存句法分析器来自动获取句子对应的依存树。

2.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1所述方法的步骤。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1所述方法的步骤。

4.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1所述的方法。