1.一种融入词表知识的中文篇章级事件抽取方法,其特征在于,所述方法包括以下步骤:
步骤一:建立事件模板;
步骤二:采集文本并按事件模板对文本进行标注,确定事件触发词实体和事件元素实体,将标注好的文本用json格式保存;
步骤三:读取标注好的文本,对文本进行预处理并根据标注的实体对预处理后的文本打标签;
步骤四:将打标签后的文本转化成对应的向量得到字符级特征;
步骤五:将打标签后的文本中每个字符构造对应的BMES集合,B代表由对应字符为开头的所有匹配词,M代表由以对应字符为中间的所有匹配词,E代表由以对应字符为结尾的所有匹配词,S是由对应字符单独组成词的所有匹配词,如果一个词集是空的,则用词NONE来表示;对每个集合中的单词进行相关编码,将其转换为对应的文本向量,并对每个集合中的单词计算TF‑IDF值作为每个单词的权重,对每个集合中的单词进行加权相加得到词表特征;将词表特征与字符级特征进行拼接融合实现特征提取;
步骤六:抽取文本中事件对应的事件触发词实体和事件元素实体;
步骤七:事件抽取;
步骤八:将提取的特征、事件触发词实体、事件元素实体以及事件输入到神经网络中通过随机梯度下降法训练网络,训练好的网络作为优化的模型,利用优化的模型进行中文篇章级事件抽取。
2.根据权利要求1所述的一种融入词表知识的中文篇章级事件抽取方法,其特征在于,所述事件模板为资产冻结事件,资产冻结事件包括的事件元素为被冻结方、冻结股份、冻结开始时间和冻结截止时间。
3.根据权利要求2所述的一种融入词表知识的中文篇章级事件抽取方法,其特征在于,所述事件触发词包括资产冻结。
4.根据权利要求1所述的一种融入词表知识的中文篇章级事件抽取方法,其特征在于,所述对文本进行预处理包括:将文本分成测试集、训练集以及验证集,且测试集、训练集以及验证集的比例为7:2:1,将测试集、训练集以及验证集中每个文本定为包含64句话,每句话包含128个词,从而将每个文件转化为一个64×128维的向量,如果超出就截断,如果不够就通过补0填充。
5.根据权利要求4所述的一种融入词表知识的中文篇章级事件抽取方法,其特征在于,所述根据标注的实体对预处理后的文本打标签包括:经过预处理的文本中对标注过的实体的开头加上标签B,实体结尾加上标签E,对不属于标注的实体的内容前面打上标签O。
6.根据权利要求1所述的一种融入词表知识的中文篇章级事件抽取方法,其特征在于,所述随机梯度下降法中初始的学习率为0.0001,训练次数为100次,达到训练次数以后最终的模型收敛到最优。
7.一种融入词表知识的中文篇章级事件抽取装置,其特征在于,所述装置包括:模板建立模块,用于建立事件模板;
标注模块,用于采集文本并按事件模板对文本进行标注,确定事件触发词实体和事件元素实体,将标注好的文本用json格式保存;
打标签模块,用于读取标注好的文本,对文本进行预处理并根据标注的实体对预处理后的文本打标签;
字符级特征提取模块,用于将打标签后的文本转化成对应的向量得到字符级特征;
特征融合模块,用于将打标签后的文本中每个字符构造对应的BMES集合,B代表由对应字符为开头的所有匹配词,M代表由以对应字符为中间的所有匹配词,E代表由以对应字符为结尾的所有匹配词,S是由对应字符单独组成词的所有匹配词,如果一个词集是空的,则用词NONE来表示;对每个集合中的单词进行相关编码,将其转换为对应的文本向量,并对每个集合中的单词计算TF‑IDF值作为每个单词的权重,对每个集合中的单词进行加权相加得到词表特征;将词表特征与字符级特征进行拼接融合实现特征提取;
实体抽取模块,用于抽取文本中事件对应的事件触发词实体和事件元素实体;
事件抽取模块,用于事件抽取;
训练寻优模块,用于将提取的特征、事件触发词实体、事件元素实体以及事件输入到神经网络中通过随机梯度下降法训练网络,训练好的网络作为优化的模型,利用优化的模型进行中文篇章级事件抽取。
8.根据权利要求7所述的一种融入词表知识的中文篇章级事件抽取装置,其特征在于,所述事件模板为资产冻结事件,资产冻结事件包括的事件元素为被冻结方、冻结股份、冻结开始时间和冻结截止时间。
9.根据权利要求8所述的一种融入词表知识的中文篇章级事件抽取装置,其特征在于,所述事件触发词包括资产冻结。
10.根据权利要求7所述的一种融入词表知识的中文篇章级事件抽取装置,其特征在于,所述对文本进行预处理包括:将文本分成测试集、训练集以及验证集,且测试集、训练集以及验证集的比例为7:2:1,将测试集、训练集以及验证集中每个文本定为包含64句话,每句话包含128个词,从而将每个文件转化为一个64×128维的向量,如果超出就截断,如果不够就通过补0填充。