1.一种篇章级事件可信度识别方法,其特征在于,包括:
对输入篇章文本中的每个句子按照是否包含事件触发词进行分类;
将每个不包含事件触发词的句子分别进行BERT编码,得到多个普通句义特征表示;
将每个包含事件触发词的句子分别输入依存分析解析器,得到以不同的事件触发词为根节点的多个最短依存路径,将每个最短依存路径分别与对应的句子进行对齐拼接后进行BERT编码,得到多个语义句法融合特征表示;
构建输入篇章文本的图结构并初始化节点,所述节点包括句子节点、触发词节点和篇章节点,其中,将句子节点初始化为所述多个普通句义特征表示和所述多个语义句法融合特征表示;
利用图神经注意力网络对初始化节点后的图结构进行图推理,并通过图注意力机制为每个节点分配权重,得到篇章文本图特征表示;
利用分类器根据所述篇章文本图特征表示进行分类预测,得到输入篇章文本的事件可信度类别;
所述构建输入篇章文本的图结构包括:
将所述输入篇章文本中的每个句子抽象为多个句子节点,将每个事件触发词抽象为多个触发词节点,将所述输入篇章文本抽象为篇章节点;
将每个句子节点按上下文顺序连接,将每个包含事件触发词的句子的节点与其对应的触发词节点连接,将所有触发词节点与所述篇章节点连接;或将所述输入篇章文本中的每个句子抽象为多个句子节点,将每个事件触发词抽象为多个触发词节点,将所述输入篇章文本抽象为篇章节点;
将每个句子节点按上下文顺序连接,将所述每个句子节点分别与每个触发词节点连接,将触发词节点按顺序相互连接,将每个触发词节点与所述篇章节点连接。
2.根据权利要求1所述的篇章级事件可信度识别方法,其特征在于,所述初始化节点还包括:将所述输入篇章文本经过BERT编码得到篇章文本特征表示;
将每个事件触发词分别经过BERT编码得到多个触发词特征表示;
将所述篇章节点初始化为所述篇章文本特征表示;
将所述触发词节点初始化为触发词特征表示。
3.根据权利要求1所述的篇章级事件可信度识别方法,其特征在于,所述利用分类器根据所述篇章文本图特征表示进行分类预测包括:将所述篇章文本图特征表示通过RELU激活函数,得到多个事件可信度类别的概率;
利用多分类交叉熵损失函数根据所述多个事件可信度类别的概率进行分类预测。
4.根据权利要求1所述的篇章级事件可信度识别方法,其特征在于,所述输入篇章文本的事件可信度类别包括可能发生、可能未发生、肯定发生、肯定未发生以及未确定。
5.根据权利要求1所述的篇章级事件可信度识别方法,其特征在于,所述输入篇章文本为经过标准化处理的篇章文本。
6.一种篇章级事件可信度识别装置,其特征在于,包括:
句子分类模块,用于对输入篇章文本中的每个句子按照是否包含事件触发词进行分类;
普通句义特征获取模块,用于将每个不包含事件触发词的句子分别进行BERT编码,得到多个普通句义特征表示;
语义句法融合特征获取模块,用于将每个包含事件触发词的句子分别输入依存分析解析器,得到以不同的事件触发词为根节点的多个最短依存路径,将每个最短依存路径分别与对应的句子进行对齐拼接后进行BERT编码,得到多个语义句法融合特征表示;
篇章图结构构建模块,用于构建输入篇章文本的图结构并初始化节点,所述节点包括句子节点、触发词节点和篇章节点,其中,将句子节点初始化为所述多个普通句义特征表示和所述多个语义句法融合特征表示;所述构建输入篇章文本的图结构包括:将所述输入篇章文本中的每个句子抽象为多个句子节点,将每个事件触发词抽象为多个触发词节点,将所述输入篇章文本抽象为篇章节点;将每个句子节点按上下文顺序连接,将每个包含事件触发词的句子的节点与其对应的触发词节点连接,将所有触发词节点与所述篇章节点连接;或将所述输入篇章文本中的每个句子抽象为多个句子节点,将每个事件触发词抽象为多个触发词节点,将所述输入篇章文本抽象为篇章节点;将每个句子节点按上下文顺序连接,将所述每个句子节点分别与每个触发词节点连接,将触发词节点按顺序相互连接,将每个触发词节点与所述篇章节点连接;
篇章文本图特征获取模块,用于利用图神经注意力网络对初始化节点后的图结构进行图推理,并通过图注意力机制为每个节点分配权重,得到篇章文本图特征表示;
分类预测模块,用于利用分类器根据所述篇章文本图特征表示进行分类预测,得到输入篇章文本的事件可信度类别。
7.根据权利要求6所述的篇章级事件可信度识别装置,其特征在于,应用于谣言或假新闻检测服务。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述一种篇章级事件可信度识别方法的步骤。