申请/专利权人：浙江大学

申请日：2021-09-28

公开（公告）日：2024-06-21

公开（公告）号：CN113987104B

主分类号：G06F16/31

分类号：G06F16/31;G06F16/25;G06F40/289;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种基于本体指导的生成式事件抽取方法，包括：1构建事件本体知识库；2设计事件触发词提取模板和事件论元提取模板，分别将输入事件文本映射为第一输入序列，和将融入事件本体的输入事件文本映射为第二输入序列；3设计映射多单词标签到事件类型和或角色类型的类标映射函数；4从事件本体知识库中提取与输入事件对应的事件本体后，按照事件触发词提取模板和事件论元提取模板构建第一输入序列和第二输入序列并输入事件提取模型；5事件提取模型根据类标映射函数和自身处理机制预测事件类型和角色类型，同时输出事件触发词跨度和事件论元跨度。该方法以实现在全监督和少样本场景下高效地抽取事件结构化知识。

主权项：1.一种基于本体指导的生成式事件抽取方法，其特征在于，包括以下步骤：步骤1，根据领域知识库和事件标注框架构建事件本体知识库；步骤2，设计生成式事件抽取的事件触发词提取模板和事件论元提取模板；事件触发词提取模板将输入事件文本映射为事件提取模型的第一输入序列；事件论元提取模板将融入事件本体的输入事件文本映射为事件提取模型的第二输入序列；步骤3，设计类标映射函数，该类标映射函数处理多单词标签到事件类型和或角色类型的映射；步骤4，对于输入事件文本，从事件本体知识库中提取与输入事件对应的事件本体，并根据输入事件文本和事件本体，按照事件触发词提取模板和事件论元提取模板构建第一输入序列和第二输入序列；步骤5，第一输入序列和第二输入序列输入事件提取模型，事件提取模型根据类标映射函数和自身处理机制预测事件类型和角色类型，同时输出事件触发词跨度和事件论元跨度；其中，事件提取模型采用编码-解码器Transformer框架；利用事件提取模型在进行事件类型和或角色类型预测时，采用以下公式获得事件类型和或角色类型的预测概率： 其中，pri表示第ri个事件类型角色标签ri的预测概率，h[MASK]表示事件提取模型在[MASK]位置对应的输出向量，w表示目标事件类型角色类型的词汇标签的词嵌入向量，w'表示所有事件类型角色类型的词汇标签的词嵌入向量，R表示所有事件类型角色标签集合；利用事件提取模型进行事件触发词跨度和或事件论元跨度预测时，将事件触发词跨度和或事件论元跨度预测建模为一个序列生成任务，对于事件文本集S，输入事件文本A，关联的事件本体O，通过训练Z＝EsA,O与H＝Gsz学习融合事件本体的条件分布其中Z是在编码器E中通过学习得到的潜在源域表示，H表示在解码器G中通过学习得到的潜在源域表示，和表示源域中编码器和解码器的模型参数集，表示给定输入事件文本A和关联的事件本体O生成输出序列H的总体概率，其中，

全文数据：

权利要求：

百度查询： 浙江大学 一种基于本体指导的生成式事件抽取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD