本發(fā)明涉及一種事件檢測方法，具體涉及一種融合多源信息的事件檢測方法及裝置。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)及經(jīng)濟的發(fā)展，人們能夠在網(wǎng)絡(luò)上獲取大量各個不同領(lǐng)域的相關(guān)的新聞信息，而這些新聞中不同領(lǐng)域的相關(guān)事件信息對該領(lǐng)域研究者是十分重要的信息。因此事件檢測等信息抽取任務(wù)對新聞事件領(lǐng)域有非常重要的作用。作為事件抽取的子任務(wù)事件檢測，其目的是從非結(jié)構(gòu)化的語言文本中獲取其中包含的事件觸發(fā)詞及對應(yīng)的事件類型，其中事件觸發(fā)詞為標(biāo)志某一事件發(fā)生的詞語。

2、然而，現(xiàn)有的相關(guān)研究對于文本的多源性的關(guān)注較少，大都在單源信息的背景下進行事件檢測的工作，聚焦于單源文本本身包含的信息進行研究工作，所以存在事件檢測不全面導(dǎo)致檢測結(jié)果不準(zhǔn)確的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明是為了解決上述問題而進行的，目的在于提供一種融合多源信息的事件檢測方法及裝置。

2、本發(fā)明提供了一種融合多源信息的事件檢測方法，用于根據(jù)包含指定事件的指定文本和多個現(xiàn)有文本得到該指定事件的事件類型，具有這樣的特征，包括以下步驟：步驟s1，對指定文本和各個現(xiàn)有文本分別進行預(yù)處理，得到對應(yīng)的預(yù)處理指定文本和預(yù)處理現(xiàn)有文本；步驟s2，將預(yù)處理指定文本和現(xiàn)有的觸發(fā)詞抽取模板一同輸入候選觸發(fā)詞抽取模型，得到預(yù)處理指定文本對應(yīng)的候選觸發(fā)詞；步驟s3，將預(yù)處理指定文本分別和各個預(yù)處理現(xiàn)有文本進行文本匹配判斷是否存在匹配文本，若是，則將與預(yù)處理指定文本匹配的預(yù)處理現(xiàn)有文本作為匹配文本并進入步驟s4，若否，則將候選觸發(fā)詞作為觸發(fā)詞并進入步驟s7；步驟s4，對各個匹配文本，將匹配文本和觸發(fā)詞抽取模板一同輸入候選觸發(fā)詞抽取模型，得到匹配文本對應(yīng)的候選觸發(fā)詞；步驟s5，根據(jù)各個匹配文本對應(yīng)的候選觸發(fā)詞構(gòu)建候選觸發(fā)詞提示模板；步驟s6，將各個匹配文本、候選觸發(fā)詞提示模板和包含預(yù)處理指定文本對應(yīng)的候選觸發(fā)詞的觸發(fā)詞抽取模板一同輸入觸發(fā)詞抽取模型，得到觸發(fā)詞；步驟s7，將觸發(fā)詞輸入觸發(fā)詞分類模型得到事件類型。

3、在本發(fā)明提供的融合多源信息的事件檢測方法中，還可以具有這樣的特征：其中，在步驟s2中，將預(yù)處理指定文本和觸發(fā)詞抽取模板進行拼接并將拼接結(jié)果作為候選觸發(fā)詞抽取模型的輸入，在步驟s4中，將匹配文本和觸發(fā)詞抽取模板進行拼接并將拼接結(jié)果作為候選觸發(fā)詞抽取模型的輸入，在步驟s6中，將所有匹配文本、候選觸發(fā)詞提示模板和包含預(yù)處理指定文本對應(yīng)的候選觸發(fā)詞的觸發(fā)詞抽取模板進行拼接，并將拼接結(jié)果作為觸發(fā)詞抽取模型的輸入。

4、在本發(fā)明提供的融合多源信息的事件檢測方法中，還可以具有這樣的特征：其中，候選觸發(fā)詞抽取模型和觸發(fā)詞抽取模型均基于現(xiàn)有的生成式預(yù)訓(xùn)練語言模型構(gòu)造得到。

5、在本發(fā)明提供的融合多源信息的事件檢測方法中，還可以具有這樣的特征：其中，在步驟s5中，候選觸發(fā)詞提示模板包含各個匹配文本對應(yīng)的所有候選觸發(fā)詞。

6、在本發(fā)明提供的融合多源信息的事件檢測方法中，還可以具有這樣的特征：其中，觸發(fā)詞分類模型包括bert預(yù)訓(xùn)練語言模型和多層感知機，bert預(yù)訓(xùn)練語言模型根據(jù)觸發(fā)詞生成句子的隱藏層表示向量，多層感知機將句子的隱藏層表示向量映射到標(biāo)簽維度，得到事件類型。

7、在本發(fā)明提供的融合多源信息的事件檢測方法中，還可以具有這樣的特征：其中，在步驟s1中，預(yù)處理包括去除文本中非正文的冗余內(nèi)容。

8、在本發(fā)明提供的融合多源信息的事件檢測方法中，還可以具有這樣的特征：其中，根據(jù)多個現(xiàn)有訓(xùn)練文本及其對應(yīng)的目標(biāo)候選觸發(fā)詞、目標(biāo)觸發(fā)詞和事件類型標(biāo)簽，訓(xùn)練候選觸發(fā)詞抽取模型、觸發(fā)詞抽取模型和觸發(fā)詞分類模型的過程，包括以下步驟：步驟t1，將所有現(xiàn)有訓(xùn)練文本進行預(yù)處理，并結(jié)合對應(yīng)的真實觸發(fā)詞和事件類型標(biāo)簽構(gòu)建訓(xùn)練數(shù)據(jù)集；步驟t2，從訓(xùn)練數(shù)據(jù)集中選取現(xiàn)有訓(xùn)練文本輸入候選觸發(fā)詞抽取模型生成預(yù)測候選觸發(fā)詞，并根據(jù)預(yù)測候選觸發(fā)詞和對應(yīng)的目標(biāo)候選觸發(fā)詞計算損失對候選觸發(fā)詞抽取模型進行微調(diào)；步驟t3，重復(fù)步驟t2直至達到第一預(yù)設(shè)終止條件，則得到訓(xùn)練好的候選觸發(fā)詞抽取模型，并進入步驟t4；步驟t4，從訓(xùn)練數(shù)據(jù)集中選取現(xiàn)有訓(xùn)練文本，結(jié)合訓(xùn)練好的候選觸發(fā)詞抽取模型構(gòu)建對應(yīng)的輸入數(shù)據(jù)輸入觸發(fā)詞抽取模型生成預(yù)測觸發(fā)詞，并根據(jù)預(yù)測觸發(fā)詞和對應(yīng)的目標(biāo)觸發(fā)詞計算損失對觸發(fā)詞抽取模型進行微調(diào)；步驟t5，重復(fù)步驟t4直至達到第二預(yù)設(shè)終止條件，則得到訓(xùn)練好的觸發(fā)詞抽取模型，并進入步驟t6；步驟t6，從訓(xùn)練數(shù)據(jù)集中選取現(xiàn)有訓(xùn)練文本，結(jié)合訓(xùn)練好的候選觸發(fā)詞抽取模型和訓(xùn)練好的觸發(fā)詞抽取模型構(gòu)建對應(yīng)的輸入數(shù)據(jù)輸入觸發(fā)詞分類模型生成預(yù)測標(biāo)簽，并根據(jù)預(yù)測標(biāo)簽和對應(yīng)的事件類型標(biāo)簽計算損失對觸發(fā)詞分類模型進行微調(diào)；步驟t7，重復(fù)步驟t6直至達到第三預(yù)設(shè)終止條件，則得到訓(xùn)練好的觸發(fā)詞分類模型。

9、本發(fā)明還提供了一種融合多源信息的事件檢測裝置，用于根據(jù)包含指定事件的指定文本和多個現(xiàn)有文本得到該指定事件的事件類型，具有這樣的特征，包括：預(yù)處理模塊，用于對指定文本和各個現(xiàn)有文本分別進行預(yù)處理，得到對應(yīng)的預(yù)處理指定文本和預(yù)處理現(xiàn)有文本；候選觸發(fā)詞生成模塊，包含候選觸發(fā)詞抽取模型和現(xiàn)有的觸發(fā)詞抽取模板，用于將文本和觸發(fā)詞抽取模板一同輸入候選觸發(fā)詞抽取模型，得到文本對應(yīng)的候選觸發(fā)詞，文本包括預(yù)處理指定文本和匹配文本；匹配判斷模塊，用于將預(yù)處理指定文本分別和各個預(yù)處理現(xiàn)有文本進行文本匹配判斷是否存在匹配文本，若是，則將與預(yù)處理指定文本匹配的預(yù)處理現(xiàn)有文本作為匹配文本，若否，則將候選觸發(fā)詞作為觸發(fā)詞；模板構(gòu)建模塊，用于根據(jù)各個匹配文本對應(yīng)的候選觸發(fā)詞構(gòu)建候選觸發(fā)詞提示模板；觸發(fā)詞生成模塊，包含觸發(fā)詞抽取模型，用于將各個匹配文本、候選觸發(fā)詞提示模板和包含預(yù)處理指定文本對應(yīng)的候選觸發(fā)詞的觸發(fā)詞抽取模板一同輸入觸發(fā)詞抽取模型，得到觸發(fā)詞；事件類型生成模塊，包含觸發(fā)詞分類模型，用于將觸發(fā)詞輸入觸發(fā)詞分類模型得到事件類型。

10、發(fā)明的作用與效果

11、根據(jù)本發(fā)明所涉及的融合多源信息的事件檢測方法及裝置，因為，一方面，通過文本匹配從現(xiàn)有文本中選取與指定文本具有同一指定事件的匹配文本；另一方面，通過觸發(fā)詞抽取模板、候選觸發(fā)詞提示模板、候選觸發(fā)詞抽取模型和觸發(fā)詞抽取模型，結(jié)合匹配文本和指定文本生成觸發(fā)詞，并將觸發(fā)詞輸入觸發(fā)詞分類模型得到對應(yīng)的事件類型。所以，本發(fā)明的融合多源信息的事件檢測方法及裝置能夠生成準(zhǔn)確的事件檢測結(jié)果。

技術(shù)特征：

1.一種融合多源信息的事件檢測方法，用于根據(jù)包含指定事件的指定文本和多個現(xiàn)有文本得到該指定事件的事件類型，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的融合多源信息的事件檢測方法，其特征在于：

3.根據(jù)權(quán)利要求1所述的融合多源信息的事件檢測方法，其特征在于：

4.根據(jù)權(quán)利要求1所述的融合多源信息的事件檢測方法，其特征在于：

5.根據(jù)權(quán)利要求1所述的融合多源信息的事件檢測方法，其特征在于：

6.根據(jù)權(quán)利要求1所述的融合多源信息的事件檢測方法，其特征在于：

7.根據(jù)權(quán)利要求1所述的融合多源信息的事件檢測方法，其特征在于：

8.一種融合多源信息的事件檢測裝置，用于根據(jù)包含指定事件的指定文本和多個現(xiàn)有文本得到該指定事件的事件類型，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供了一種融合多源信息的事件檢測方法及裝置，具有這樣的特征，包括步驟S1，對指定文本和各個現(xiàn)有文本分別進行預(yù)處理；步驟S2，將預(yù)處理指定文本和現(xiàn)有的觸發(fā)詞抽取模板一同輸入候選觸發(fā)詞抽取模型，得到預(yù)處理指定文本對應(yīng)的候選觸發(fā)詞；步驟S3～S6，將預(yù)處理指定文本分別和各個預(yù)處理現(xiàn)有文本進行文本匹配判斷是否存在匹配文本，若是，則將與預(yù)處理指定文本匹配的預(yù)處理現(xiàn)有文本作為匹配文本并結(jié)合候選觸發(fā)詞抽取模型、觸發(fā)詞抽取模型和候選觸發(fā)詞提示模板得到觸發(fā)詞，若否，則將候選觸發(fā)詞作為觸發(fā)詞并進入步驟S7；步驟S7，將觸發(fā)詞輸入觸發(fā)詞分類模型得到事件類型。總之，本方法能夠生成準(zhǔn)確的事件檢測結(jié)果。

技術(shù)研發(fā)人員：曾劍平,黃心鎏
受保護的技術(shù)使用者：復(fù)旦大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15