【摘要】 本发明提供一种中文事件抽取方法和系统，该方法包括：将待抽取事件的本文依次进行分句、分词、实体识别、句法和依存关系分析；根据词的内部结构，将符合抽取条件的词标记为候选触发词；根据概率、词性和词内部结构将符合过滤条件的触发词过滤掉；利用最大熵识别模型抽取触发词，并获取每个触发词的可信度；依据每个触发词的可信度，将触发词分成一致性处理训练集合和一致性处理测试集合，利用最大熵分类器从一致性处理测试集合中抽取触发词；利用最大熵分类模型对触发词进行分类，得到事件集合。本发明提供的方法和系统从中文本身的特点出发，通过综合考虑和分析中文词的内部结构和中文词在篇章中语义的一致性，提高了中文事件抽取的性能。 【专利类型】发明授权 【申请人】苏州大学 【申请人类型】学校 【申请人地址】215123 江苏省苏州市工业园区仁爱路199号 【申请人地区】中国 【申请人城市】苏州市 【申请号】CN201210182651.8 【申请日】2012-06-05 【申请年份】2012 【公开公告号】CN102693219B 【公开公告日】2014-11-05 【公开公告年份】2014 【授权公告号】CN102693219B 【授权公告日】2014-11-05 【授权公告年份】2014.0 【IPC分类号】G06F17/27 【发明人】李培峰; 朱巧明; 周国栋; 朱晓旭 【主权项内容】一种中文事件抽取方法，其特征在于，包括：A：将待抽取事件的本文依次进行分句、分词、实体识别、句法和依存关系分析，得到第二句子集合；B：根据中文标记语料库的训练集合以及词的内部结构，将所述第二句子集合中的每个句子中符合抽取条件的词标记为候选触发词，将每个候选触发词以及该候选触发词所在的句子组成一个候选项，所有的候选项组成候选触发词集合；C：根据概率、词性和词内部结构将所述候选触发词集合中符合过滤条件的候选触发词过滤掉，得到过滤后的候选触发词集合；D：利用最大熵识别模型从所述过滤后的候选触发词集合中抽取触发词，并获取每个触发词的可信度，得到带有可信度的触发词第一集合；E：依据所述触发词第一集合中每个触发词的可信度，将所述触发词第一集合中的触发词分成一致性处理训练集合和一致性处理测试集合，利用最大熵分类器从所述一致性处理测试集合中抽取触发词并将从所述一致性处理测试集合中抽取的触发词加入所述一致性处理训练集合中，得到触发词第二集合；F：利用最大熵分类模型对所述触发词第二集合中的触发词进行分类，得到包含事件类别的触发词第三集合，根据所述触发词第三集合中的触发词标记第一句子集合中包含利用所述最大熵分类模型所识别类别的事件，得到事件集合；其中，所述步骤A中具体为：A1：将待抽取事件的本文划分为一个个的句子，得到初始句子集合；A2：将所述初始句子集合中的每个句子进行分词处理，得到分词句子集合；A3：识别所述分词句子集合中的每个句子中的实体并对识别出的实体进行标记，得到第一句子集合；A4：对所述第一句子集合中的每个句子进行句法和依存关系分析，生成句法树和依存关系列表，得到第二句子集合；所述步骤E中，利用最大熵分类器从所述一致性处理测试集合中抽取触发词并将从所述一致性处理测试集合中抽取的触发词加入所述一致性处理训练集合中，得到触发词第二集合具体为：E1：对测试特征集合和训练特征集合中的每个候选触发词的特征中的类别进行修改，将该触发词的特征修改为该触发词的具体类别，分别得到多类分类测试特征集合和多类分类训练特征集合；E2：将所述多类分类训练特征集合和多类分类测试特征集合输入最大熵分类器，最大熵分类器对所述多类分类测试特征集合中的每个候选触发词进行分类计算，得到每个候选触发词属于某个类别的最高可信度，得到带有可信度的触发词分类集合；E3：对所述一致性处理测试集合中的每个触发词抽取特征，构成一致性处理第二测试集合；对所述一致性处理训练集合中的每个触发词抽取特征，构成一致性处理第二训练集合；E4：把所述一致性处理第二测试集合和一致性处理第二训练集合输入最大熵分类器，所述最大熵分类器对一致性处理第二测试集合中的每个候选触发词进行分类计算，得到每个候选触发词的可信度，将可信度大于等于第五设定阈值的候选触发词加入所述一致性处理训练集合中，得到触发词第二集合。 微信 【当前权利人】平江县鑫晟信息科技有限公司 【统一社会信用代码】123200004660073435 【引证次数】2.0 【被引证次数】2 【自引次数】1.0 【他引次数】1.0 【被他引次数】2.0 【家族引证次数】2.0 【家族被引证次数】58

未经允许不得转载：http://www.zhongzhencnc.com/1790627745.html