1.一种基于字词特征和指针网络的中文事件抽取方法,其特征在于,包括如下步骤:将原始中文序列输入到BERT模型中,进行切分并编码转换成高维向量以实现分字处理,并采用jieba分词工具对文本进行分词处理;
将字符级向量和词级别向量分别输入到BiLSTM网络中进行字词特征提取,通过注意力机制进行字词特征融合;
利用双序列指针网络分别识别触发词和论元的起始位置,实现从文本中抽取;
所述融合的方法包括如下步骤:用向前的LSTM网络计算第i个字符左边部分的状态同时采用一个反向的LSTM网络计算第i个字符右边部分的状态则hi就是和两个隐向量拼接后的隐向量序列,H表示从1到i的隐向量序列合并的结果,即为BiLSTM的输出结果,具体公式如下:H=[h1,h2,…,hn]
其中ri表示输入的文本嵌入;
假设进行词嵌入编码后的向量为V=[v1,v2,…,vn],通过如下公式计算注意力权重:[a1,a2,…,an]=softmax(linemax(V))算出每个词的重要程度,将每个词的向量和对应的权重相乘并相加,可用如下公式表示:得到加权后的词向量Vattn;
将加权后的词嵌入向量与字符向量进行拼接,得到融合后的字词向量表示,记为H=[h1,h2,…,hn],其中hn是第n个字符的融合向量;
所述双序列指针网络由编码器、解码器与注意力机制构成,编码器为BiLSTM,将输入序列转化为隐状态向量;解码器为LSTM,每一步生成一个指向输入序列中某位置的概率分布;
利用双序列指针网络分别识别触发词和论元的起始位置,实现从文本中抽取的方法包括如下步骤:针对原始数据集中的标注如下:
L=(E,Ti_s,Ti_e,R,Ar_s,Ar_e)
其中,L表示一个端到端的标签,E代表事件类型,Ti_s和Ti_e分别表示触发词的起始位置和结束位置,R表示论元角色,Ar_s和Ar_e分别表示论元起始位置和结束位置,对此将其定义如下:其中,C为单个事件文本对应得到的全部标签集。
2.根据权利要求1所述的中文事件抽取方法,其特征在于,分字处理的方法包括如下步骤:利用BERT模型的最后一层输出的隐藏向量作为字符的特征表示,对输入文本进行切分并编码,将每个字符转换为一个高维向量,获取输入的字符向量W=[w1,w2,…,wn],其中wn是第n个字符的向量表示。
3.根据权利要求1所述的中文事件抽取方法,其特征在于,进行分词处理的方法包括如下步骤:统计词汇频次构建词汇表,每个词汇在词汇表中被分配唯一的ID,包括特殊符号如
4.一种基于字词特征和指针网络的中文事件抽取系统,用于实现权利要求1-3任一项所述的中文事件抽取方法,其特征在于,包括:分字分词模块:用于将原始中文序列输入到BERT模型中,进行切分并编码转换成高维向量以实现分字处理,并采用jieba分词工具对文本进行分词处理;
字词特征提取和特征融合模块:将字符级向量和词级别向量分别输入到BiLSTM网络中进行字词特征提取,通过注意力机制进行字词特征融合;
触发词和论元提取模块:用于利用双序列指针网络分别识别触发词和论元的起始位置,实现从文本中抽取。
5.一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运行时执行如权利要求1-3任一所述中文事件抽取方法的步骤。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-3任一项所述中文事件抽取方法的步骤。