1.融入篇章语义的涉案新闻要素实体识别方法,其特征在于:所述方法的具体步骤如下:
Step1、首先从涉案新闻的首段删减得到新闻中心句,再对获得的新闻正文句和新闻中心句进行分字标注,最后构建标注后的新闻正文句和新闻中心句一一对应的字典;
Step2、使用Skip‑gram模型将新闻中心句和新闻正文句转换成字符向量;
Step3、构建融入篇章语义的涉案新闻要素实体识别模型,实现有效抽取涉案新闻要素实体的功能。
2.根据权利要求1所述的融入篇章语义的涉案新闻要素实体识别方法,其特征在于:所述步骤Step1的具体步骤为:
Step1.1、首先利用网络爬虫程序,从中国新闻网大案要案模块上爬取涉案新闻语料;
Step1.2、对已爬取出的涉案新闻语料,经过过滤、去噪处理、构建出涉案新闻文本级语料;并把涉案新闻文本级语料存放到数据库中;
Step1.3、从Step1.2数据库中取出涉案新闻文本级语料,经过分句处理形成涉案新闻正文句子级语料,并人工对涉案新闻文本首段进行删减得到新闻中心句,将新闻中心句与新闻正文句一一对应,对涉案新闻中心句和新闻正文句进行分字,形成含涉案新闻正文句子级语料库,并把涉案新闻正文句子级语料库的语料存放到数据库中;
Step1.4、从Step1.3数据库中取出涉案新闻正文句子级语料,人工根据BIEOS标签对涉案新闻正文句子级语料进行类别标注,涉案新闻要素实体类别进行分类,形成含有新闻中心句的涉案新闻标注语料。
3.根据权利要求1所述的融入篇章语义的涉案新闻要素实体识别方法,其特征在于:所述步骤Step2的具体步骤为:
Step2.1、首先使用Skip‑gram模型将涉案新闻语料转换成字符向量,构成字符向量表,新闻正文句和新闻中心句中的每个字通过查找字向量表转化为字符向量序列。
4.根据权利要求1所述的融入篇章语义的涉案新闻要素实体识别方法,其特征在于:所述步骤Step3的具体步骤包括:
Step3.1、融入篇章语义的涉案新闻要素实体识别模型分别有两个输入,一个是新闻正文句,另一个是新闻中心句;采用Multi‑Head Attention学习篇章语义表示并从不同维度将新闻中心句融入到新闻正文句中,得到融入篇章语义的多层次语义特征;
Step3.2、在获得融入篇章语义的多层次语义特征之后,采用Bi‑LSTM提取融入篇章语义的上下文语义特征;
Step3.3、采用条件随机场对融入了篇章语义特征的Bi‑LSTM输出进行约束性解码,识别句子中的要素实体,构建融入篇章语义的涉案新闻要素实体识别模型。
5.融入篇章语义的涉案新闻要素实体识别系统,其特征在于,包括用于执行如权利要求1‑4任一项权利要求所述的方法的模块。