一种基于树状事件扁平化的文档级别多事件抽取方法

发明专利有效专利

申请号：
CN202110571387.6
IPC分类号：G06F40/295;G06F16/35;G06F16/36;G06F40/186;G06F40/30;G06N5/04
申请日期：
2021-05-25
申请人：
浙江大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于树状事件扁平化的文档级别多事件抽取方法
申请号	CN202110571387.6	申请日期	2021-05-25
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-10	公开/公告号	CN113239696A
优先权	暂无	优先权号	暂无
主分类号	G06F40/295	IPC分类号	G;0;6;F;4;0;/;2;9;5;;;G;0;6;F;1;6;/;3;5;;;G;0;6;F;1;6;/;3;6;;;G;0;6;F;4;0;/;1;8;6;;;G;0;6;F;4;0;/;3;0;;;G;0;6;N;5;/;0;4查看分类表>
申请人	浙江大学	申请人地址	浙江省杭州市西湖区余杭塘路866号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江大学	当前权利人	浙江大学
发明人	张寅;李云良;庄越挺
代理机构	杭州求是专利事务所有限公司	代理人	傅朝栋;张法高

摘要

本发明公开了一种基于树状事件扁平化的文档级别多事件抽取方法。该方法具体如下：1)将滑动窗口切分后的文档片段集合通过训练好的NER模型抽取出所有的论元实体；2)将平均置信度高于阈值的论元实体通过回溯算法生成所有语义合法的事件论元组合，把每个表示事件实例的事件论元组合填充到相应事件类型的句子模板中构造成相应的LPS；3)LPS通过递进式学习的方式构造成LDF，输入到训练好的AAM中预测包含的事件实例的真实性；4)选择分类类别为真且置信度高于阈值的事件实例作为预测的事件实例结果。本发明能够处理文档级别的多事件抽取任务，从较长的文本序列中抽取出多个事件实例，且性能优于现有的基线模型。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供