1.基于中文触发词指导的越南语新闻事件检测方法,其特征在于,包括如下:Step1、收集用于中越双语相关新闻事件检测的新闻文本,对新闻文本进行去重与筛选;
Step2、对中越新闻文本进行分词,实体标注预处理,标注中越双语新闻文本中的事件类型以及中文触发词,将标记好的越南语新闻语料分为训练语料、测试语料和验证语料;
Step3、采用对抗学习的方法将中越两种语言映射到同一语义空间下,抽取出映射后的中文触发词词向量;
Step4、获取越南语词向量融合句中实体向量作为BiLSTM层的输入;采用BiLSTM获取越南语新闻句的语义信息,通过注意力机制将映射后的中文触发词指导模型找到越南语句子中的触发词信息;
Step5、最后利用得到的触发词信息进行事件类型的多分类,进而实现越南语新闻事件检测;
所述步骤Step3的具体步骤:
Step3.1、采用skip‑gram扩展模型的方法预测目标词在中文中的上下文信息,同时预测目标词在越南语中对齐词的上下文信息,从而得到中越双语词向量;
Step3.2、使用映射函数将中文投影到与越南语相同的语义空间中,使用随机梯度下降的方法依次训练单词鉴别器和映射函数;
Step3.3、给定中文新闻文本并标记句子中的触发词;
所述步骤Step4采用BiLSTM获取越南语新闻的语义信息的具体步骤为:Step4.1、在越南语语料上预训练越南语词向量,得到词向量词表,利用underthesea工具中的实体标记类型为每种实体标记都随机初始化一个实体向量,得到实体向量词表,通过查找词向量词表和实体向量词表,所有的输入单词和实体标记都转化为低维向量;
Step4.2、将词向量和实体向量拼接起来作为BiLSTM的输入,用来捕获句子中的语义信息。
2.根据权利要求1所述的基于中文触发词指导的越南语新闻事件检测方法,其特征在于:所述Step1中,使用Scrapy作为爬取工具,模仿用户操作,为中文、越南语新闻网站定制不同的模板,根据页面数据元素的XPath路径制定模板获取详细数据,获取新闻标题、新闻时间、新闻正文数据。
3.根据权利要求1所述的基于中文触发词指导的越南语新闻事件检测方法,其特征在于:所述步骤Step2的具体步骤为:Step2.1、参考ACE的事件标注体系标记出中文新闻文本中的触发词和事件类型、越南语新闻文本中的事件类型,将事件类型分为七种类型,分别为“chuyến thăm”、“Gặp”和“Tiếp xúc”、“Thuộc kinh tế”、“Thay đ ổi”、“Giao dịch”、“Cuộc xung đ ột”关系;
Step2.2、再将实验数据分为训练语料、测试语料和验证语料。
4.根据权利要求1所述的基于中文触发词指导的越南语新闻事件检测方法,其特征在于:所述步骤Step5的具体步骤为:将提取到的越南语句子中的触发词输入至分类层,采用softmax分类器对越南语新闻句进行事件类型的分类,从而实现越南语新闻事件检测。