1.一种基于多语言预训练模型的事件触发词检测与分类方法,其特征在于,包括如下步骤:使用词向量模型分别获得事件触发词的近义词和事件要素的近义词,从而分别得到第一集合和第二集合;
定义所述第一集合为第一锚点词,定义所述第二集合为第二锚点词;
对外部的新闻语料分别以所述第一锚点词和所述第二锚点词为中心进行挖掘,分别获得包含锚点词的第一句子集合和第二句子集合;
定义所述第一句子集合为第一锚点句,定义所述第二句子集合为第二锚点句;
分别对所述第一锚点句和所述第二锚点句进行跨语言向量编码,从而分别得到第一跨语言句向量和第二跨语言句向量;
将所述第一跨语言句向量和所述第二跨语言句向量存入向量池;
使用语义角色标注工具对待预测句子进行语义标注;
对所述待预测句中进行语义标注得到的词汇使用多语言预训练模型进行编码得到跨语言词向量;
将所述跨语言词向量与所述向量池中的所述第一跨语言句向量和所述第二跨语言句向量进行相似度比对,相似度最高的即为预测结果。
2.如权利要求1所述的基于多语言预训练模型的事件触发词检测与分类方法,其特征在于,所述使用词向量模型分别获得事件触发词的近义词和事件要素的近义词,从而分别得到第一集合和第二集合,包括:使用Word2Vec词向量模型寻找发现预定义的所述事件触发词的同义词和所述事件要素的同义词;
人工进行筛选得到所述第一集合和所述第二集合。
3.如权利要求2所述的基于多语言预训练模型的事件触发词检测与分类方法,其特征在于,所述分别对所述第一锚点句和所述第二锚点句使用多语言模型进行跨语言向量编码,从而分别得到第一跨语言句向量和第二跨语言句向量,包括:针对所述事件触发词编码时,先将所述第一锚点句进行分词,再将分词后的句子输入多语言模型获得加权后的词向量的组合,此时将所有的词向量求和再除以句子中单词的个数获得所述第一跨语言句向量;
针对所述事件要素编码的时候,先将整个所述第二锚点句进行分词,再将句子中的所述事件要素用[MASK]进行遮掩,之后输入多语言模型获得加权后词向量的组合,再求和除以个数获得所述第二跨语言句向量。
4.如权利要求3所述的基于多语言预训练模型的事件触发词检测与分类方法,其特征在于,所述使用语义角色标注工具对待预测句子进行语义标注,包括:针对输入的所述待预测句子的不同语种,进行不同的语义角色标注。
5.如权利要求4所述的基于多语言预训练模型的事件触发词检测与分类方法,其特征在于,将所述跨语言词向量与所述向量池中的所述第一跨语言句向量和所述第二跨语言句向量进行相似度比对,相似度最高的即为预测结果,包括:获得所述待预测句中的事件触发词的跨语言词向量和事件要素的跨语言词向量;
计算所述待预测句的事件触发词向量或事件要素词向量的预测分值;
得到的预测分值按相似度分值进行排序,相似度最高的词即为该事件触发词或事件要素。