CN109815481B - 对文本进行事件抽取的方法、装置、设备和计算机存储介质 - Google Patents

Abstract

本发明提供一种对文本进行事件抽取的方法、装置、设备和计算机存储介质，包括：获取待处理文本；对待处理文本进行切词并对切词结果中各词语进行实体标注，根据各词语标注的标签得到待处理文本的标注序列；分别确定各标注序列中的标签能激发的事件，并将其中预设权重值最高的事件作为各标注序列的目标事件；根据各标注序列的标签集合与各标注序列的目标事件确定各标注序列的抽取事件，并从标签集合中获取与抽取事件相匹配的抽取标签；从待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将抽取事件、抽取事件相匹配的抽取标签与抽取标签对应的切词结果输出，完成对待处理文本的事件抽取。本发明能够对不同领域的文本进行事件抽取。

Description

对文本进行事件抽取的方法、装置、设备和计算机存储介质

【技术领域】

本发明涉及互联网技术领域，尤其涉及一种对文本进行事件抽取的方法、装置、设备和计算机存储介质。

【背景技术】

事件抽取是指把含有事件信息的非结构化的文本以结构化的形式呈现出来。现有的对文本进行事件抽取的方法一般有两种：基于模式匹配的事件抽取方法以及基于机器学习的事件抽取方法。

其中，基于模式匹配的事件抽取方法存在以下问题：对于不同领域场景下的事件抽取需要创建不同的抽取模式，因此可移植性较差；而在抽取模式的创建阶段，需要由专业人员人工来完成模式创建的工作，因此耗费的人力成本、时间成本较大。而基于机器学习的事件抽取方法存在以下问题：在机器学习模型的训练过程中需要大量的标注语料，若标注语料的数量不足，则会导致训练得到的机器学习模型不能够准确地输出所抽取的事件。

【发明内容】

有鉴于此，本发明提供了一种对文本进行事件抽取的方法、装置、设备和计算机存储介质，能够对不同领域场景下的文本进行事件抽取，从而提升文本事件的抽取效率，降低文本事件的抽取成本。

本发明为解决技术问题所采用的技术方案是提供一种对文本进行事件抽取的方法，所述方法包括：获取待处理文本；对所述待处理文本进行切词，并对切词结果中的各词语进行实体标注，根据各词语所标注的标签得到对应所述待处理文本的标注序列；分别确定各标注序列中的标签所能激发的事件，并将其中预设权重值最高的事件作为对应各标注序列的目标事件；根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件，并从所述标签集合中获取与所述抽取事件相匹配的抽取标签；从所述待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将所述抽取事件、所述抽取事件相匹配的抽取标签以及所述抽取标签对应的切词结果输出，完成对所述待处理文本的事件抽取。

根据本发明一优选实施例，在对所述待处理文本进行切词之前，还包括：对所述待处理文本进行预处理。

根据本发明一优选实施例，所述对切词结果中的各词语进行实体标注包括：标注所述切词结果中各词语的词性；将非名词词语的词性作为所述切词结果中非名词词语的标签；利用预设词表，标注所述切词结果中名词词性的词语的标签；其中，所述预设词表中包含有各名词及其对应的标签。

根据本发明一优选实施例，在分别确定各标注序列中的标签所能激发的事件之前，还包括：根据各标注序列对应的标签覆盖度、所包含标签的个数以及所包含标签的得分，对所述各标注序列进行排序；分别确定排在前N位的标注序列中的标签所能激发的事件，其中N为大于等于1的正整数。

根据本发明一优选实施例，所述分别确定各标注序列中的标签所能激发的事件包括：根据预设的标签与事件之间的对应关系，将各标注序列中的标签所对应的事件确定为各标注序列的标签所能激发的事件。

根据本发明一优选实施例，所述根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件包括：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若所述标签集合中的标签被全部吸收，则将该目标事件确定为该标注序列对应的抽取事件；若所述标签集合中未被吸收的标签能够激发新事件，则吸收所述标签集合中与该新事件相匹配的标签，以此循环，直至吸收所述标签集合中的全部标签；将该标注序列中最后所激发的新事件作为该标注序列对应的抽取事件。

根据本发明一优选实施例，所述根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件包括：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若所吸收的标签的个数大于预设阈值，则将该目标事件确定为该标注序列对应的抽取事件，否则舍弃该标注序列。

根据本发明一优选实施例，所述方法还包括：校验所述抽取事件相匹配的抽取标签中是否包含该事件所对应的必要标签，若未包含，则将该抽取事件舍弃，否则保留。

根据本发明一优选实施例，所述方法还包括：根据所述抽取标签对应的切词结果，获取与所述抽取事件对应的相关信息；利用所获取的相关信息对所述抽取事件进行补充。

本发明为解决技术问题所采用的技术方案是提供一种对文本进行事件抽取的装置，所述装置包括：获取单元，用于获取待处理文本；标注单元，用于对所述待处理文本进行切词，并对切词结果中的各词语进行实体标注，根据各词语所标注的标签得到对应所述待处理文本的标注序列；处理单元，用于分别确定各标注序列中的标签所能激发的事件，并将其中预设权重值最高的事件作为对应各标注序列的目标事件；抽取单元，用于根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件，并从所述标签集合中获取与所述抽取事件相匹配的抽取标签；输出单元，用于从所述待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将所述抽取事件、所述抽取事件相匹配的抽取标签以及所述抽取标签对应的切词结果输出，完成对所述待处理文本的事件抽取。

根据本发明一优选实施例，所述标注单元在对所述待处理文本进行切词之前，还执行：对所述待处理文本进行预处理。

根据本发明一优选实施例，所述标注单元在对切词结果中的各词语进行实体标注时，具体执行：标注所述切词结果中各词语的词性；将非名词词语的词性作为所述切词结果中非名词词语的标签；利用预设词表，标注所述切词结果中名词词性的词语的标签；其中，所述预设词表中包含有各名词及其对应的标签。

根据本发明一优选实施例，所述处理单元在分别确定各标注序列中的标签所能激发的事件之前，还执行：根据各标注序列对应的标签覆盖度、所包含标签的个数以及所包含标签的得分，对所述各标注序列进行排序；分别确定排在前N位的标注序列中的标签所能激发的事件，其中N为大于等于1的正整数。

根据本发明一优选实施例，所述处理单元在分别确定各标注序列中的标签所能激发的事件时，具体执行：根据预设的标签与事件之间的对应关系，将各标注序列中的标签所对应的事件确定为各标注序列的标签所能激发的事件。

根据本发明一优选实施例，所述抽取单元在根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件时，具体执行：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若所述标签集合中的标签被全部吸收，则将该目标事件确定为该标注序列对应的抽取事件；若所述标签集合中未被吸收的标签能够激发新事件，则吸收所述标签集合中与该新事件相匹配的标签，以此循环，直至吸收所述标签集合中的全部标签；将该标注序列中最后所激发的新事件作为该标注序列对应的抽取事件。

根据本发明一优选实施例，所述抽取单元在根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件时，具体执行：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若所吸收的标签的个数大于预设阈值，则将该目标事件确定为该标注序列对应的抽取事件，否则舍弃该标注序列。

根据本发明一优选实施例，所述装置还包括后处理单元，具体执行：校验所述抽取事件相匹配的抽取标签中是否包含该事件所对应的必要标签，若未包含，则将该抽取事件舍弃，否则保留。

根据本发明一优选实施例，所述后处理单元还执行：根据所述抽取标签对应的切词结果，获取与所述抽取事件对应的相关信息；利用所获取的相关信息对所述抽取事件进行补充。

由以上技术方案可以看出，本发明对待处理文本进行实体标注后，根据所得到的标注序列确定目标事件，然后根据标注序列的标签集合以及标注序列对应的目标事件确定标注序列对应的抽取事件，从而根据所得到的抽取事件完成对待处理文本的事件抽取，无需建立对应不同领域场景的抽取模式，也无需获取足够数量的标注语料来训练机器学习模型，便能够实现对不同领域场景下的文本进行事件抽取的目的，从而提升文本事件的抽取效率，降低文本事件的抽取成本。

【附图说明】

图1为本发明一实施例提供的对文本进行事件抽取的方法流程图；

图2为本发明一实施例提供的对文本进行事件抽取的装置结构图；

图3为本发明一实施例提供的计算机系统/服务器的框图。

【具体实施方式】

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

图1为本发明一实施例提供的对文本进行事件抽取的方法流程图，如图1中所示，所述方法包括：

在101中，获取待处理文本。

在本步骤中，获取待处理的文本。即获取待进行事件抽取的文本。其中，本步骤可以将用户输入的文本作为待处理文本，也可以将从网络上抓取的新闻、新闻评论等作为待处理文本。

在102中，对所述待处理文本进行切词，并对切词结果中的各词语进行实体标注，根据各词语所标注的标签得到对应所述待处理文本的标注序列。

在本步骤中，首先对步骤101所获取的待处理文本进行切词，然后对所得到的切词结果中的各词语进行实体标注，即标注切词结果中各词语所对应的标签，进而根据各词语所标注的标签得到对应待处理文本的标注序列。

本步骤在对待处理文本进行切词之前，还可以包括以下内容：对待处理文本进行预处理，例如去掉标点符号、大小写转换或者简繁体归一等文本预处理；对经过预处理的待处理文本进行切词以得到切词结果。即通过对待处理文本进行预处理，能够提升切词的准确度，从而更加精准地抽取待处理文本中的事件。

具体地，本步骤在对切词结果中的各词语进行实体标注时，可以采用以下方式：标注切词结果中各词语的词性，例如将词语标注为副词、形容词、名词、时间词等不同词性；将非名词词语的词性作为切词结果中非名词词语的标签；利用预设词表，标注切词结果中名词词性的词语的标签，其中预设词表中包含有不同的名词以及与各名词所对应的标签。其中，一个词语对应的标签可以有一个，也可以有多个。例如，词语“对阵”的标签为其对应的动词词性“vt”；词语“球队A”，根据预设词表所标注的标签可以为“team”，也可以为“player”。

另外，本步骤在对切词结果中的各词语进行实体标注时，还可以直接利用预设词表对切词结果中的各词语进行标注。也就是说，预设词表中除了包含不同名词以及与各名词对应的标签之外，还可以包括非名词词语及其对应的词性标签。本发明对词语进行实体标注的方法不进行限定。

在完成对切词结果中各词语的实体标注后，本步骤根据各词语所标注的标签得到对应待处理文本的标注序列。即按照待处理文本的切词结果中各词语的顺序，依次对各词语所标注的标签进行排列组合，从而将待处理文本转化为由标签所构成的标注序列。可以理解的是，由于同一个词语对应的标签可以为多个，因此本步骤根据同一个待处理文本能够得到与其对应的多个标注序列。

对上述过程进行举例说明，若待处理文本为“5月26日法国队对阵丹麦队0比0”，则对应的切词结果可以为“5月26日”、“法国队”、“对阵”、“丹麦队”以及“0比0”，可以将“5月26日”标注为“date”、将“法国队”标注为“team”或“player”、将“对阵”标注为“vt”、将“丹麦队”标注为“team”或“player”、将“0比0”标注为“score”，则对应待处理文本的标注序列可以为“[date][team][vt][team][score]”，可以为“[date][player][vt][team][score]”，可以为“[date][team][vt][player][score]”，可以为“[date][player][vt][player][score]”。

在103中，分别确定各标注序列中的标签所能激发的事件，并将其中预设权重值最高的事件作为对应各标注序列的目标事件。

在本步骤中，分别确定步骤102所得到的对应待处理文本的各标注序列中的标签所能激发的事件，并根据预设权重值从各标注序列所激发的事件中选取权重值最高的事件，作为各标注序列对应的目标事件进行处理。

本步骤在分别确定各标注序列中的标签所能激发的事件之前，还可以包括以下内容：根据各标注序列对应的标签覆盖度、所包含标签的个数以及所包含标签的得分，对标注序列进行排序，选取排在前N位的标注序列进行处理，其中N为大于等于1的正整数。也就是说，从多个标注序列中选取较为优质的标注序列进行处理，从而进一步提升从文本中抽取事件的准确度。

本步骤在分别确定各标注序列中的标签所能激发的事件时，可以采用以下方式：根据预设的标签与事件之间的对应关系，分别将标注序列中各标签所对应的事件确定为各标注序列的标签所能激发的事件。

本步骤在分别确定标注序列中的标签所能激发的事件时，还可以采用以下方式：分别将各标注序列中的标签输入标签分类模型，将标签分类模型的输出结果确定为各标注序列中的标签所能激发的事件。其中，标签分类模型是预先训练得到的，能够根据所输入的标签得到该标签所能激发的事件。

本步骤在得到各标注序列中的标签所能激发的事件后，根据各标注序列中所激发事件的预设权重值，将所激发的事件中权重值最高的事件作为各标注序列对应的目标事件进行处理。

举例来说，若标注序列为“[date][team][vt][team][score]”，若标签[team]所能激发的事件为“match”，若标签[score]所能激发的事件为“match_score”，若事件“match”的预设权重值大于事件“match_score”的预设权重值，则将事件“match”作为对应该标注序列的目标事件。

在104中，根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件，并从所述标签集合中获取与所述抽取事件相匹配的抽取标签。

在本步骤中，根据各标注序列的标签集合以及步骤103中所确定的各标注序列对应的目标事件，确定各标注序列对应的抽取事件，并从各标注序列的标签集合中获取与各标注序列对应的抽取事件相匹配的抽取标签。

具体地，本步骤在根据各标注序列的标签集合以及各标注序列对应的目标事件确定各标注序列对应的抽取事件时，可以采用以下方式：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若标签集合中的标签被全部吸收，则将该目标事件确定为该标注序列对应的抽取事件；若标签集合中未被吸收的标签能够激发新事件，则再吸收标签集合中与该新事件相匹配的标签，以此循环，直至将标签集合中的标签全部吸收；将该标注序列中最后所激发的新事件作为该标注序列对应的抽取事件。

另外，本步骤在根据各标注序列的标签集合以及各标注序列对应的目标事件确定各标注序列对应的抽取事件时，还可以采用以下方式：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若所吸收的标签的个数大于预设阈值，则将该目标事件确定为该标注序列对应的抽取事件，否则舍弃该标注序列，即不再对该标注序列所对应的抽取事件进行确定。

其中，本步骤在吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签时，可以采用以下方式：根据预设的事件与标签之间的对应关系，确定与目标事件相匹配的标签；从标注序列的标签集合中吸收与所确定的目标事件相匹配的标签。

具体地，标注序列的标签集合中可以包含标注序列中的全部标签；也可以仅包含标注序列中预设词性的标签，例如除副词、动词、形容词等词性之外的名词、时间词等词性的标签。可以理解的是，若标注序列的标签集合包含标注序列中的全部标签，则本步骤在吸收标签集合中与目标事件相匹配的标签时，将预设词性的标签自动过滤，例如将副词、动词、形容词等词性的标签过滤。

在根据各标注序列对应的目标事件以及各标注序列的标签集合确定各标注序列对应的抽取事件后，本步骤从各标注序列的标签集合中获取与各标注序列对应的抽取事件相匹配的抽取标签，即获取在确定各标注序列对应的抽取事件时从标签集合中所吸收的标签作为抽取标签。

举例来说，若标注序列为“[date][team][vt][team][score]”，若该标注序列对应的标签集合为{[date]，[team]，[team]，[score]}，若对应该标注序列的目标事件为事件“match”，若事件“match”对应的标签为“[date]”以及“[team]”，则吸收标签集合中的[date]、[team]以及[team]标签，若标签集合中剩余的[score]能够激发新事件“match_score”，则再吸收标签集合中与所激发的新事件“match_score”相匹配的[score]标签，到此标签集合中的标签被全部吸收，从而将新事件“match_score”作为该标注序列对应的抽取事件，并从标签集合中获取[date]、[team]、[team]以及[score]标签作为与抽取事件“match_score”相匹配的抽取标签。

在105中，从所述待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将各抽取事件、各抽取事件相匹配的抽取标签以及各抽取标签对应的切词结果输出，完成对待处理文本的事件抽取。

在本步骤中，从待处理文本中获取与根据步骤104所得到的与各抽取事件相匹配的抽取标签对应的切词结果，将各抽取事件、各抽取事件相匹配的抽取标签以及各抽取标签对应的切词结果输出，从而完成对待处理文本的事件抽取。

可以理解的是，若同一个文本得到了多个标注序列，则步骤104会输出对应同一个文本的多个抽取事件以及各抽取事件所对应的抽取标签。因此，本步骤在从待处理文本中获取与抽取事件相匹配的抽取标签对应的切词结果之前，还可以包括以下内容：根据各抽取事件相匹配的抽取标签的标签覆盖度、标签个数以及标签得分，对各抽取事件进行排序；从待处理文本中获取与排序第一位的抽取事件相匹配的抽取标签对应的切词结果。

举例来说，若待处理文本为“5月26日法国队对阵丹麦队0比0”，若切词结果及其对应的标签为“5月26日”[date]、“法国队”[team]、“对阵”[vt]、“丹麦队”[team]以及“0比0”[score]，若抽取事件为“match_score”，抽取标签为[date]、[team]、[team]以及[score]，则最终事件抽取的输出结果可以为：事件：match_score，date：5月26日，team：法国队，team：丹麦队,score:0比0。

本步骤在完成对待处理文本的事件抽取后，还可以包括以下内容：校验输出的抽取事件中是否包含该事件所对应的必要标签，若未包含，则将该抽取的事件舍弃，否则保留。举例来说，若对文本进行事件抽取得到的事件为“match”，事件“match”对应的必要标签为“date”以及“team”，若当前抽取的“match”事件中仅包含标签“team”，则将该抽取的“match”事件舍弃。

本步骤在完成对待处理文本的事件抽取后，还可以包括以下内容：根据抽取标签对应的切词结果获取与所输出的抽取事件对应的相关信息；利用所获取的相关信息对抽取事件进行补充，从而得到比当前所输出的抽取事件更为细化的事件。举例来说，若输出的抽取事件为“match”，并已经得知该事件的“date”以及“team”的具体信息，若根据所得到的“date”以及“team”的具体信息能够获取与“match”相关的比分，则将所获取的比分添加至事件“match”，从而构成内容更加丰富的“match_score”事件。

图2为本发明一实施例提供的对文本进行事件抽取的装置结构图，如图2中所示，所述装置包括：获取单元21、标注单元22、处理单元23、抽取单元24、输出单元25以及后处理单元26。

获取单元21，用于获取待处理文本。

获取单元21获取待处理的文本。即获取待进行事件抽取的文本。其中，获取单元21可以将用户输入的文本作为待处理文本，也可以将从网络上抓取的新闻、新闻评论等作为待处理文本。

标注单元22，用于对所述待处理文本进行切词，并对切词结果中的各词语进行实体标注，根据各词语所标注的标签得到对应所述待处理文本的标注序列。

标注单元22首先对获取单元21所获取的待处理文本进行切词，然后对所得到的切词结果中的各词语进行实体标注，即标注切词结果中各词语所对应的标签，进而根据各词语所标注的标签得到对应待处理文本的标注序列。

标注单元22在对待处理文本进行切词之前，还可以执行以下操作：对待处理文本进行预处理；对经过预处理的待处理文本进行切词以得到切词结果。即通过对待处理文本进行预处理，能够提升切词的准确度，从而更加精准地抽取待处理文本中的事件。

具体地，标注单元22在对切词结果中的各词语进行实体标注时，可以采用以下方式：标注切词结果中各词语的词性；将非名词词语的词性作为切词结果中非名词词语的标签；利用预设词表，标注切词结果中名词词性的词语的标签，其中预设词表中包含有不同的名词以及与各名词所对应的标签。其中，一个词语对应的标签可以有一个，也可以有多个。

另外，标注单元22在对切词结果中的各词语进行实体标注时，还可以直接利用预设词表对切词结果中的各词语进行标注。也就是说，预设词表中除了包含不同名词以及与各名词对应的标签之外，还可以包括非名词词语及其对应的词性标签。本发明对词语进行实体标注的方法不进行限定。

在完成对切词结果中各词语的实体标注后，标注单元22根据各词语所标注的标签得到对应待处理文本的标注序列。即按照待处理文本的切词结果中各词语的顺序，依次对各词语所标注的标签进行排列组合，从而将待处理文本转化为由标签所构成的标注序列。可以理解的是，由于同一个词语对应的标签可以为多个，因此标注单元22根据同一个待处理文本能够得到与其对应的多个标注序列。

处理单元23，用于分别确定各标注序列中的标签所能激发的事件，并将其中预设权重值最高的事件作为对应各标注序列的目标事件。

处理单元23分别确定标注单元22所得到的对应待处理文本的各标注序列中的标签所能激发的事件，并根据预设权重值从各标注序列所激发的事件中选取权重值最高的事件，作为各标注序列对应的目标事件进行处理。

处理单元23在分别确定各标注序列中的标签所能激发的事件之前，还可以执行以下操作：根据各标注序列对应的标签覆盖度、所包含标签的个数以及所包含标签的得分，对标注序列进行排序，选取排在前N位的标注序列进行处理，其中N为大于等于1的正整数。也就是说，从多个标注序列中选取较为优质的标注序列进行处理，从而进一步提升从文本中抽取事件的准确度。

处理单元23在分别确定各标注序列中的标签所能激发的事件时，可以采用以下方式：根据预设的标签与事件之间的对应关系，分别将标注序列中各标签所对应的事件确定为各标注序列的标签所能激发的事件。

处理单元23在分别确定标注序列中的标签所能激发的事件时，还可以采用以下方式：分别将各标注序列中的标签输入标签分类模型，将标签分类模型的输出结果确定为各标注序列中的标签所能激发的事件。其中，标签分类模型是预先训练得到的，能够根据所输入的标签得到该标签所能激发的事件。

处理单元23在得到各标注序列中的标签所能激发的事件后，根据各标注序列中所激发事件的预设权重值，将所激发的事件中权重值最高的事件作为各标注序列对应的目标事件进行处理。

抽取单元24，用于根据各标注序列的标签集合以及各标注序列对应的目标事件，确定各标注序列对应的抽取事件，并从所述标签集合中获取与所述抽取事件相匹配的抽取标签。

抽取单元24根据各标注序列的标签集合以及处理单元23所确定的各标注序列对应的目标事件，确定各标注序列对应的抽取事件，并从各标注序列的标签集合中获取与各标注序列对应的抽取事件相匹配的抽取标签。

具体地，抽取单元24在根据各标注序列的标签集合以及各标注序列对应的目标事件确定各标注序列对应的抽取事件时，可以采用以下方式：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若标签集合中的标签被全部吸收，则将该目标事件确定为该标注序列对应的抽取事件；若标签集合中未被吸收的标签能够激发新事件，则再吸收标签集合中与该新事件相匹配的标签，以此循环，直至将标签集合中的标签全部吸收；将该标注序列中最后所激发的新事件作为该标注序列对应的抽取事件。

另外，抽取单元24在根据各标注序列的标签集合以及各标注序列对应的目标事件确定各标注序列对应的抽取事件时，还可以采用以下方式：吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；若所吸收的标签的个数大于预设阈值，则将该目标事件确定为该标注序列对应的抽取事件，否则舍弃该标注序列，即不再对该标注序列所对应的抽取事件进行确定。

其中，抽取单元24在吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签时，可以采用以下方式：根据预设的事件与标签之间的对应关系，确定与目标事件相匹配的标签；从标注序列的标签集合中吸收与所确定的目标事件相匹配的标签。

具体地，标注序列的标签集合中可以包含标注序列中的全部标签；也可以仅包含标注序列中预设词性的标签，例如除副词、动词、形容词等词性之外的名词、时间词等词性的标签。可以理解的是，若标注序列的标签集合包含标注序列中的全部标签，则本步骤在吸收标签集合中与目标事件相匹配的标签时，将预设词性的标签自动过滤，例如将副词、动词、形容词等词性的标签过滤。

在根据各标注序列对应的目标事件以及各标注序列的标签集合确定各标注序列对应的抽取事件后，抽取单元24从各标注序列的标签集合中获取与各标注序列对应的抽取事件相匹配的抽取标签，即获取在确定各标注序列对应的抽取事件时从标签集合中所吸收的标签作为抽取标签。

输出单元25，从所述待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将各抽取事件、各抽取事件相匹配的抽取标签以及各抽取标签对应的切词结果输出，完成对待处理文本的事件抽取。

输出单元25从待处理文本中获取与抽取单元24所得到的与各抽取事件相匹配的抽取标签对应的切词结果，将各抽取事件、各抽取事件相匹配的抽取标签以及各抽取标签对应的切词结果输出，从而完成对待处理文本的事件抽取。

可以理解的是，若同一个文本得到了多个标注序列，则抽取单元24会输出对应同一个文本的多个抽取事件以及各抽取事件所对应的抽取标签。因此，输出单元25在从待处理文本中获取与抽取事件相匹配的抽取标签对应的切词结果之前，还可以执行以下操作：根据各抽取事件相匹配的抽取标签的标签覆盖度、标签个数以及标签得分，对各抽取事件进行排序；从待处理文本中获取与排序第一位的抽取事件相匹配的抽取标签对应的切词结果。

后处理单元26，用于校验输出单元25输出的抽取事件中是否包含该事件所对应的必要标签，若未包含，则将该抽取事件舍弃，否则保留。

后处理单元26还执行以下操作：根据抽取标签对应的切词结果获取与所输出的抽取事件对应的相关信息；利用所获取的相关信息对抽取事件进行补充，从而得到比当前所输出的抽取事件更为细化的事件。

图3示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图3显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。

总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元016通过运行存储在系统存储器028中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的方法流程。

上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如，被上述一个或多个处理器执行本发明实施例所提供的方法流程。

随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

利用本发明所提供的技术方案，无需再建立对应不同领域场景的抽取模式，也无需获取足够数量的标注语料来训练机器学习模型，便能够实现对不同领域场景下的文本进行事件抽取的目的，从而提升文本事件的抽取效率，降低文本事件的抽取成本。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (18)

1.一种对文本进行事件抽取的方法，其特征在于，所述方法包括：

获取待处理文本；

对所述待处理文本进行切词，并对切词结果中的各词语进行实体标注，根据各词语所标注的标签得到对应所述待处理文本的标注序列；

分别确定各标注序列中的标签所能激发的事件，并将其中预设权重值最高的事件作为对应各标注序列的目标事件；

根据各标注序列的标签集合以及与对应各标注序列的目标事件相匹配的标签，确定各标注序列对应的抽取事件，并从所述标签集合中获取与所述抽取事件相匹配的抽取标签；

从所述待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将所述抽取事件、所述抽取事件相匹配的抽取标签以及所述抽取标签对应的切词结果输出，完成对所述待处理文本的事件抽取；

所述根据各标注序列的标签集合以及与对应各标注序列的目标事件相匹配的标签，确定各标注序列对应的抽取事件包括：

吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；

若所述标签集合中的标签被全部吸收，则将该目标事件确定为该标注序列对应的抽取事件；

若所述标签集合中未被吸收的标签能够激发新事件，则吸收所述标签集合中与该新事件相匹配的标签，以此循环，直至吸收所述标签集合中的全部标签；

将该标注序列中最后所激发的新事件作为该标注序列对应的抽取事件。

2.根据权利要求1所述的方法，其特征在于，在对所述待处理文本进行切词之前，还包括：对所述待处理文本进行预处理。

3.根据权利要求1所述的方法，其特征在于，所述对切词结果中的各词语进行实体标注包括：

标注所述切词结果中各词语的词性；

将非名词词语的词性作为所述切词结果中非名词词语的标签；

利用预设词表，标注所述切词结果中名词词性的词语的标签；

其中，所述预设词表中包含有各名词及其对应的标签。

4.根据权利要求1所述的方法，其特征在于，在分别确定各标注序列中的标签所能激发的事件之前，还包括：

根据各标注序列对应的标签覆盖度、所包含标签的个数以及所包含标签的得分，对所述各标注序列进行排序；

分别确定排在前N位的标注序列中的标签所能激发的事件，其中N为大于等于1的正整数。

5.根据权利要求1所述的方法，其特征在于，所述分别确定各标注序列中的标签所能激发的事件包括：

根据预设的标签与事件之间的对应关系，将各标注序列中的标签所对应的事件确定为各标注序列的标签所能激发的事件。

6.根据权利要求1所述的方法，其特征在于，所述根据各标注序列的标签集合以及与对应各标注序列的目标事件相匹配的标签，确定各标注序列对应的抽取事件包括：

吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；

若所吸收的标签的个数大于预设阈值，则将该目标事件确定为该标注序列对应的抽取事件，否则舍弃该标注序列。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

校验所述抽取事件相匹配的抽取标签中是否包含该事件所对应的必要标签，若未包含，则将该抽取事件舍弃，否则保留。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述抽取标签对应的切词结果，获取与所述抽取事件对应的相关信息；

利用所获取的相关信息对所述抽取事件进行补充。

9.一种对文本进行事件抽取的装置，其特征在于，所述装置包括：

获取单元，用于获取待处理文本；

标注单元，用于对所述待处理文本进行切词，并对切词结果中的各词语进行实体标注，根据各词语所标注的标签得到对应所述待处理文本的标注序列；

处理单元，用于分别确定各标注序列中的标签所能激发的事件，并将其中预设权重值最高的事件作为对应各标注序列的目标事件；

抽取单元，用于根据各标注序列的标签集合以及与对应各标注序列的目标事件相匹配的标签，确定各标注序列对应的抽取事件，并从所述标签集合中获取与所述抽取事件相匹配的抽取标签；

输出单元，用于从所述待处理文本中获取与各抽取事件相匹配的抽取标签对应的切词结果，将所述抽取事件、所述抽取事件相匹配的抽取标签以及所述抽取标签对应的切词结果输出，完成对所述待处理文本的事件抽取；

所述抽取单元在根据各标注序列的标签集合以及与对应各标注序列的目标事件相匹配的标签，确定各标注序列对应的抽取事件时，具体执行：

吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；

若所述标签集合中的标签被全部吸收，则将该目标事件确定为该标注序列对应的抽取事件；

若所述标签集合中未被吸收的标签能够激发新事件，则吸收所述标签集合中与该新事件相匹配的标签，以此循环，直至吸收所述标签集合中的全部标签；

将该标注序列中最后所激发的新事件作为该标注序列对应的抽取事件。

10.根据权利要求9所述的装置，其特征在于，所述标注单元在对所述待处理文本进行切词之前，还执行：对所述待处理文本进行预处理。

11.根据权利要求9所述的装置，其特征在于，所述标注单元在对切词结果中的各词语进行实体标注时，具体执行：

标注所述切词结果中各词语的词性；

将非名词词语的词性作为所述切词结果中非名词词语的标签；

利用预设词表，标注所述切词结果中名词词性的词语的标签；

其中，所述预设词表中包含有各名词及其对应的标签。

12.根据权利要求9所述的装置，其特征在于，所述处理单元在分别确定各标注序列中的标签所能激发的事件之前，还执行：

根据各标注序列对应的标签覆盖度、所包含标签的个数以及所包含标签的得分，对所述各标注序列进行排序；

分别确定排在前N位的标注序列中的标签所能激发的事件，其中N为大于等于1的正整数。

13.根据权利要求9所述的装置，其特征在于，所述处理单元在分别确定各标注序列中的标签所能激发的事件时，具体执行：

根据预设的标签与事件之间的对应关系，将各标注序列中的标签所对应的事件确定为各标注序列的标签所能激发的事件。

14.根据权利要求9所述的装置，其特征在于，所述抽取单元在根据各标注序列的标签集合以及与对应各标注序列的目标事件相匹配的标签，确定各标注序列对应的抽取事件时，具体执行：

吸收标注序列的标签集合中与该标注序列对应的目标事件相匹配的标签；

若所吸收的标签的个数大于预设阈值，则将该目标事件确定为该标注序列对应的抽取事件，否则舍弃该标注序列。

15.根据权利要求9所述的装置，其特征在于，所述装置还包括后处理单元，具体执行：

校验所述抽取事件相匹配的抽取标签中是否包含该事件所对应的必要标签，若未包含，则将该抽取事件舍弃，否则保留。

16.根据权利要求15所述的装置，其特征在于，所述后处理单元还执行：

根据所述抽取标签对应的切词结果，获取与所述抽取事件对应的相关信息；

利用所获取的相关信息对所述抽取事件进行补充。

17.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

18.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的方法。

Images