买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本申请公开一种事件抽取模型和军事事件类型的预测方法，事件抽取模型中输入部分的BERT编码模块和命名实体标签嵌入层将文本序列和命名实体信息转换为两个向量表示序列，而后使用Bi‑LSTM进一步融合。图卷积网络部分将句法依存关系和实体关系信息转换为输入文本的两个邻接矩阵，将关系标签嵌入后得到的两个表示张量拼接以融合两种关系，利用多层GCN中的EANU和NAEU模块学习token和关系标签的向量表示，后将各层token向量表示加权后传入输出部分。输出部分使用Softmax将token向量表示映射为事件标签的概率分布，采用加权交叉熵损失函数加强模型对正例token的预测。

主权项：1.一种事件抽取模型，其特征在于，包括：输入层，被配置为：根据输入文本得到文本序列和文本命名实体标注信息；将所述文本序列进行编码得到所述文本序列的向量表示序列；并根据所述文本命名实体标注信息得到所述文本命名实体标签的向量表示序列；根据所述文本序列的向量表示序列与所述文本命名实体标签的向量表示序列得到输入向量表示序列；数据处理层，包括：复合关系表示张量获取单元，被配置为：对所述输入文本进行句法依存分析，得到句法依存关系标签矩阵和实体关系标签矩阵；根据所述句法依存关系标签矩阵得到句法依存关系标签表示张量，根据所述实体关系标签矩阵得到实体关系标签表示张量；将所述句法依存关系标签表示张量和所述实体关系标签表示张量进行拼接，得到复合关系表示张量；线性变换单元，被配置为：对输入向量表示序列进行线性变换得到线性变换后的输入向量表示；和图卷积网络GCN单元，被配置为：将复合关系表示张量和线性变换后的输入向量表示依次输入至GCN，所述GCN包括多个图卷积层，所述多个图卷积层中的每个图卷积层包括边感知的节点更新模块EANU和节点感知的边更新模块NAEU，所述GCN单元还被配置为：将复合关系表示张量和线性变换后的输入向量表示输入至边感知的节点更新模块EANU，以使EANU通过复合关系表示张量聚合邻居节点的信息以更新各节点的向量表示：，其中为第层的节点向量表示，其中n为文本切分的数量，为token的向量表示，为激活函数，为平均池化操作，用于压缩p个通道的信息；各通道的节点向量表示更新公式为：，其中，为复合关系表示张量第一个维度的第k维切片，是一个可学习的卷积核，表示GCN的维数；将复合关系表示张量和线性变换后的输入向量表示输入至节点感知的边更新模块NAEU，以使NAEU模块根据头尾节点的信息更新关系标签的向量表示：，其中，为第层中token和之间复合关系的向量表示，为复合关系表示张量第一个维度的第维切片，是一个可学习的卷积核，是一个可学习的参数矩阵；以及将GCN的原始输入和各层输出拼接后线性映射回维，作为所述GCN的输出结果：，其中，是一个可学习的参数矩阵，表示GCN的层数；和输出层，被配置为：获取所述GCN单元的输出结果，并根据所述GCN单元的输出结果获取预测事件标签序列，并输出所述预测事件标签序列。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 事件抽取模型和军事事件类型的预测方法