CN110309256A - 一种文本中事件数据的获取方法及装置 - Google Patents
一种文本中事件数据的获取方法及装置 Download PDFInfo
- Publication number
- CN110309256A CN110309256A CN201810194663.XA CN201810194663A CN110309256A CN 110309256 A CN110309256 A CN 110309256A CN 201810194663 A CN201810194663 A CN 201810194663A CN 110309256 A CN110309256 A CN 110309256A
- Authority
- CN
- China
- Prior art keywords
- event
- text
- model
- event data
- target text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种文本中事件数据的获取方法及装置。方法包括:将目标文本输入至预先训练好的模型;获取所述模型输出的所述目标文本包括的各个事件的事件数据;其中,所述模型通过如下步骤得到:将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型。本发明将待查阅的法律文书输入至该模型,利用该模型即可自动获取法律文书包括的各个事件的事件数据,大大提高了事件数据的获取效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种文本中事件数据的获取方法及装置。
背景技术
法律文书是司法行政机关及当事人、律师等在解决诉讼和非讼案件时使用的文书,种类包括起诉状、起诉书、上述状、答辩状、庭审笔录、裁判文书等。
对于法律文书中记载的案件所涉事件的获取,通常都是采用人工查阅的方式,其往往耗费工作人员的大量时间和精力,且效率很低。
针对此,目前提出了一种优化方案,包括按照审判逻辑,将非结构化的各类法律文书以标记触发词的方式进行分段处理,并将分段结果直接展示输出。在实际应用中,工作人员,如法官,可以通过检索关键词或人工查阅法律文书,获取其法律文书中记载的案件所涉的事件。
虽然优化方案相比于传统的人工查阅方式在一定程度上提高了事件数据的获取效率,但其获取效率仍待提高。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的文本中事件数据的获取方法及装置,技术方案如下:
基于本发明的一方面,本发明提供一种文本中事件数据的获取方法,所述方法包括:
将目标文本输入至预先训练好的模型;
获取所述模型输出的所述目标文本包括的各个事件的事件数据;
其中,所述模型通过如下步骤得到:
将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;
将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型。
可选地,得到训练好的模型之后,所述方法还包括:
将预设文本库中第二数量的文本作为测试样本;
将所述测试样本输入至所述训练好的模型中,获取所述训练好的模型输出的所述测试样本中各个文本包括的各个事件的事件数据;
将获取到的所述模型输出的所述测试样本中各个文本包括的各个事件的事件数据与预先总结出的所述测试样本中各个文本包括的各个事件的事件数据进行比对;
如果比对结果达到预设的准确度要求,则确定所述训练好的模型可用。
可选地,所述预设算法包括:支持向量机SVM算法或神经网络算法。
可选地,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件按照时间轴可视化排序,其中一个事件对应所述时间轴上的一个事件节点。
可选地,所述方法还包括:
将各个事件的事件数据分别关联在与其对应在所述时间轴上的事件节点上。
可选地,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件以坐标系的形式做可视化处理;其中,所述坐标系的第一个维度用于表示所述目标文本包括的各个事件发生的时序,所述坐标系的第二个维度用于区分所述目标文本中各个行为主体分别对应的事件。
可选地,所述事件数据包括:事件的类别和事件的要素。
基于本发明的另一方面,本发明提供一种文本中事件数据的获取装置,所述装置包括:
模型训练单元,用于将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型;
输入单元,用于将目标文本输入至预先训练好的模型;
事件数据获取单元,用于获取所述模型输出的所述目标文本包括的各个事件的事件数据。
基于本发明的再一方面,本发明提供一种存储介质,其上存储有程序,所述程序被处理器执行时实现前文所述的文本中事件数据的获取方法。
基于本发明的再一方面,本发明提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行前文所述的文本中事件数据的获取方法。
借由上述技术方案,本发明提供的文本中事件数据的获取方法及装置中,预先将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到一训练好的模型。因此在实际应用过程中,将待查阅的法律文书输入至该模型,利用该模型即可自动获取法律文书包括的各个事件的事件数据,大大提高了事件数据的获取效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的文本中事件数据的获取方法的流程图;
图2示出了本发明实施例中模型训练方法的流程图;
图3示出了本发明实施例中另一种模型训练方法的流程图;
图4示出了本发明实施例中事件数据可视化展示的一种示意图;
图5示出了本发明实施例中事件数据可视化展示的另一种示意图;
图6示出了本发明实施例中事件数据可视化展示的再一种示意图;
图7示出了本发明实施例提供的文本中事件数据的获取装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明实施例提供的一种文本中事件数据的获取方法,可以包括:
步骤101,将目标文本输入至预先训练好的模型。
本发明实施例中的文本可以包括新闻稿件、记录文档、各类法律文书等,其中法律文书还可以包括起诉状、上诉状、起诉书、答辩状、裁定书、判决书、决定书、调解书等。本发明实施例中的目标文本是指待审查的文本。
步骤102,获取所述模型输出的所述目标文本包括的各个事件的事件数据。
本发明实施例的事件数据包括事件的类别和事件的要素。
在本发明实际应用过程中,将待查阅的目标文本输入至预先训练好的模型,利用该模型即可自动获取目标文本包括的各个事件的事件数据,大大提高了事件数据的获取效率。
下面申请人对本发明中模型的训练方法进行详细描述,如图2所示,方法包括:
步骤201,将预设文本库中第一数量的文本作为训练样本,作为训练样本的文本中带有事件数据的标注。
预设文本库用于存储不同文本。可以理解地,不同文件包括不同类型、不同内容的文本。
为了便于说明,本发明以具体到司法实务,文本具体为法律文书为例,预设文本库为司法实务中某一领域内(例如同一案由下)的法律文书组成的文书库。可以理解地:对于不同领域存在不同的预设文本库,目标法律文书与训练模型使用的训练样本法律文书属于同一领域(例如同一案由),即:若使用某一案由的法律文书训练得到了模型,那么该模型也限用于提取该案由的法律文书的事件数据。
文书库中的法律文书优选为裁判文书,因为裁判文书是半结构化的文本,格式和行文都比较规范,便于机器学习训练。进一步的,该文书库可以包括:典型案件的裁判文书和基础案件的裁判文书。其中典型案件是最高人民法院或地方高级法院发布的具有典型性的案件,对同类案件具有参考意义,使得典型案件的裁判文书的质量高于基础案件的裁判文书的质量。
本发明中第一数量的法律文书可以为预设文本库中所有或部分典型案件的裁判文书。其中第一数量的取值可以根据实际应用而定,本发明不限定其取值。
一篇法律文书包括多个事件。针对一篇法律文书,本发明根据该法律文书包括的各个事件的原文表述(原文表述可能是一个段落、或一句话),确定该原文表述对应的事件类别,进而对该原文表述进行标注,从而确定出事件的类别。如原文表述为“原告于1993年3月24日在xx地区,经由泉州市工商行政管理局登记注册,成立德尔惠鞋业有限公司”,经过分析确定该原文表述对应的事件为“成立公司”,由此为其标注“成立公司”的标签,即事件“原告于1993年3月24日在xx地区,经由泉州市工商行政管理局登记注册,成立德尔惠鞋业有限公司”的事件类别为“成立公司”。
同时,本发明针对各个事件的原文表述,还会从中标注出各个事件中的要素,其中事件的要素可以包括事件发生的时间、行为主体、行为对象,对于注册商标的事件的类别,事件的要素还可以包括核定使用类别、商标注册证内容、商标注册证号、核准/颁布内容、核准/颁布部门等等。仍以原文表述为“原告于1993年3月24日在xx地区,经由泉州市工商行政管理局登记注册,成立德尔惠鞋业有限公司”为例,经过分析确定该原文表述中的要素包括事件发生时间:1993年3月24日、行为主体:原告、公司名称:德尔惠鞋业有限公司、核准/颁布部门:泉州市工商行政管理局,由此为“原告”标注“行为主体”标签,为“1993年3月24日”标注“时间”标签,为“泉州市工商行政管理局”标注“核准/颁布部门”标签,为“德尔惠鞋业有限公司”标注“公司名称”标签。
在本发明实际应用过程中,有些事件的内容实质一致,属于同一类别的事件,比如事件A和事件B都是涉及商品使用侵权案,但事件A和事件B的原文表述不一致,由此,本发明在对各个事件进行标注时,为内容实质一致但原文表述不一致的多个事件标注相同的标签,以实现事件类别的标准化处理。
可选地,本发明在为事件进行标注时,可以采用机器可识别的动宾语法结构定义每一事件的事件类别。标注可以是人工标注,也可以是机器学习后标注,都能实现本发明实施例的标注。
当训练样本的法律文书为裁判文书时,优选在裁判文书的经审理查明段中标注事件的类别和事件的要素,因为经审理查明段中的事件是经过质证的确认事实。
本发明实施例不同于以往单纯根据关键词等对法律文书进行分析,而是把法律文书中的事件及事件的要素识别提取出来,按照事件发生的先后顺序对事件进行排列,提炼出法律文书的事件脉络,缩减法官繁复的阅卷工作,让法官更清晰高效的了解案件所涉全部事件,实现要素式审判。
同理,对于新闻类文本,以文本具体为新闻文章为例,预设文本库为某一领域内的新闻文章,这里的领域可以是时政、金融、体育、娱乐等不同分类。
步骤202,将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型。
其中预设算法可以为SVM(Support Vector Machine,支持向量机)算法或神经网络算法。
具体地,本发明主要采用NLP(Natural Language Processing,自然语言处理)技术对模型进行训练。在训练过程中,技术核心点主要包括事件类别识别和事件要素抽取两个部分,其中事件类别识别可大致分为三个部分:命名实体识别(Named EntityRecognition,NER)、触发词+LTP(Language Technology Platform,语言技术平台)词法特征、TF/IDF(term frequency/inverse document frequency,词频/逆向文件频率)逻辑回归算法。事件要素抽取也可大致分为三个部分:命名实体识别(NER)、触发词+LTP词法特征、机器学习。
在得到训练好的模型,尤其是初次得到训练好的模型后,为了保证模型识别的准确度,以保证后续应用模型时的数据准确性,可以对得到的模型作进一步准确性的测试和微调。如图3所示,在前述步骤202之后,方法还可以包括:
步骤203,将预设文本库中第二数量的文本作为测试样本。
仍以前述文本具体为法律文书为例。
其中第二数量的取值可以根据实际应用而定,本申请不限定其取值。
步骤204,将所述测试样本输入至所述训练好的模型中,获取所述训练好的模型输出的所述测试样本中各个文本包括的各个事件的事件数据。
步骤205,将获取到的所述模型输出的所述测试样本中各个文本包括的各个事件的事件数据与预先总结出的所述测试样本中各个文本包括的各个事件的事件数据进行比对。
如果比对结果达到预设的准确度要求,执行步骤206,否则执行步骤207。
其中预设的准确度要求例如,模型输出的测试样本中各个法律文书包括的各个事件的事件数据与预先总结出的测试样本中各个法律文书包括的各个事件的事件数据的一致性达到90%。
步骤206,确定训练好的模型可用。
步骤207,将预设文本库中第三数量的文本作为新的训练样本,作为新的训练样本的文本中带有事件数据的标注。
其中第三数量的取值可以根据实际应用而定,本申请不限定其取值。
具体地,本发明实施例中针对新的训练样本中的各个法律文书,对每个法律文书包括的各个事件以及各个事件中的要素进行标注的实现方法,同前述实施例中步骤201,针对训练样本中的各个法律文书,对每个法律文书包括的各个事件以及各个事件中的要素进行标注的实现方法相同,发明人在此不再赘述。
步骤208,将新的训练样本输入至所述模型,采用预设算法对所述模型进行重新训练,得到训练好的模型。
其中预设算法同前述步骤202中采用的预设算法一致。
本发明中,在利用测试样本测试到得到的模型无法满足预设的准确度要求时,继续选取第三数量的法律文书作为新的训练样本,作为新的训练样本的法律文书中带有事件数据的标注,进而将新的训练样本输入至模型,采用预设算法对模型进行重新训练,再次得到训练好的模型。
对于再次得到的训练好的模型,继续返回步骤203,执行对该再次得到的训练好的模型的准确度测试,直至使得得到的训练好的模型满足预设的准确度要求,由此保证了模型获取事件数据的准确性。
可选地,本发明在步骤102,获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,方法还可以进一步包括:将所述目标文本包括的各个事件按照时间轴可视化排序,其中一个事件对应所述时间轴上的一个事件节点。且进一步,方法还可以包括:将各个事件的事件数据分别关联在与其对应在所述时间轴上的事件节点上。
可以理解的是:当需要对目标文本中的各个事件按照行为主体进行区分、且行为主体有两个以上时,还可以先将目标文本中的全部事件按照各个行为主体进行区分,之后对于每个行为主体:将该行为主体对应的各个事件按照时间轴可视化排序,其中一个事件对应时间轴上的一个事件节点。不同行为主体可以共用同一个时间轴,也可以每个行为主体单独配置各自的时间轴,本发明对此不做限定。
可选地,本发明在步骤102,获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,方法还可以进一步包括:
将目标文本包括的各个事件以坐标系的形式做可视化处理;其中,坐标系的第一个维度用于表示目标文本包括的各个事件发生的时序,坐标系的第二个维度用于区分目标文本中各个行为主体分别对应的事件。
坐标系可以是二维以上的坐标系,对于二维坐标系,其中一维可以表示为目标文本包括的各个事件发生时序的时间轴,另一个维度可以用于区分目标文本中各个行为主体分别对应的事件。
当要展示的行为主体是法律文书中的对抗双方时,可以采用图4右侧的坐标系形式进行展示。即:将所述目标文本包括的各个事件,以二维坐标系的形式做可视化处理;二维坐标系中的一个轴用于表示目标文本包括的各个事件发生的时序,二维坐标系的另一个轴用于表示目标文本中对抗双方分别对应的事件,其中对抗双方分别位于所述一个轴的两侧。
仍以前述目标文本具体为目标法律文书为例进行说明。
结合图4所示,其中图4左侧部分示出了按照时间轴可视化排序的方式,图4右侧部分示出了以二维坐标系的形式做可视化处理的方式。
具体地,对于将目标法律文书包括的各个事件按照时间轴可视化排序的方式而言,该时间轴上包括有多个事件节点,每一个事件节点对应一个事件类别,事件的各个要素分别关联在对应的事件节点,可以直接显示在事件节点上、或用户点击事件节点/鼠标悬停在事件节点上时显示相应的事件要素。
对于将目标法律文书包括的各个事件以二维坐标系的形式做可视化处理的方式而言,如图4右侧部分,二维坐标系中的横轴用于表示目标法律文书包括的各个事件发生的时序,即横轴为目标法律文书中各个事件发生时序的正序时间轴。二维坐标系的纵轴用于表示目标法律文书中对抗双方分别对应的事件,其中位于横轴上半部分的事件为原告方的事件,位于横轴下半部分的事件为被告方的事件。
当要展示的行为主体为两个以上时,还可以采用类似图5的坐标系形式进行展示。一个轴T表示时间轴,另一个轴A用于区分目标文本中各个行为主体分别对应的事件。例如对于轴A,行为主体甲对应的事件可以位于数值区间20~30,行为主体乙对应的事件可以位于数值区间10~20,行为主体丙对应的事件可以位于数值区间0~10。
对于两个以上行为主体的事件展示,还可以采用类似图6的坐标系形式进行展示。第一个维度T表示时间轴,第二个维度θ用于区分目标文本中各个行为主体分别对应的事件,第三个维度r与事件的体现形式有关。例如对于维度θ,行为主体甲对应的事件可以位于数值区间300°~330°,行为主体乙对应的事件可以位于数值区间60°~90°,行为主体丙对应的事件可以位于数值区间180°~210°。本申请对事件的体现形式不做限定,因此对第三个维度不再赘述。
行为主体之间可以使用数值或数值区间进行表征和区分,本发明实施例对此不做限定。
图4、5中以柱状结构示例性表示事件,当然,本发明还可以以其他结构,如长方形结构、单条线、旗子形结构、椭圆形结构等表示事件,本发明对此不作限定。本发明通过自动提取目标文本中所涉及的全部事件的事件数据,并以直观的可视化展示输出,缩减了法官繁复的阅卷工作,让法官能够更清晰高效地了解案件所涉全部事件,实现要素式审判。
与上述方法实施例相对应,本发明还提供了一种文本中事件数据的获取装置。如图7所示,本发明提供的文本中事件数据的获取装置包括:
模型训练单元10,用于将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型;
输入单元20,用于将目标文本输入至预先训练好的模型;
事件数据获取单元30,用于获取所述模型输出的所述目标文本包括的各个事件的事件数据。
所述文本中事件数据的获取装置包括处理器和存储器,上述模型训练单元10、输入单元20和事件数据获取单元30等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数实现自动从文本中获取事件数据。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述文本中事件数据的获取方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述文本中事件数据的获取方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
将目标文本输入至预先训练好的模型;
获取所述模型输出的所述目标文本包括的各个事件的事件数据;
其中,所述模型通过如下步骤得到:
将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;
将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型。
可选地,得到训练好的模型之后,所述方法还包括:
将预设文本库中第二数量的文本作为测试样本;
将所述测试样本输入至所述训练好的模型中,获取所述训练好的模型输出的所述测试样本中各个文本包括的各个事件的事件数据;
将获取到的所述模型输出的所述测试样本中各个文本包括的各个事件的事件数据与预先总结出的所述测试样本中各个文本包括的各个事件的事件数据进行比对;
如果比对结果达到预设的准确度要求,则确定所述训练好的模型可用。
可选地,所述预设算法包括:支持向量机SVM算法或神经网络算法。
可选地,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件按照时间轴可视化排序,其中一个事件对应所述时间轴上的一个事件节点。
可选地,所述方法还包括:
将各个事件的事件数据分别关联在与其对应在所述时间轴上的事件节点上。
可选地,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件以二维坐标系的形式做可视化处理;其中,所述二维坐标系中的一个轴用于表示所述目标文本包括的各个事件发生的时序,所述二维坐标系的另一个轴用于表示所述目标文本中对抗双方分别对应的事件,其中所述对抗双方分别位于所述一个轴的两侧。
可选地,所述事件数据包括:事件的类别和事件的要素。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
将目标文本输入至预先训练好的模型;
获取所述模型输出的所述目标文本包括的各个事件的事件数据;
其中,所述模型通过如下步骤得到:
将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;
将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型。
可选地,得到训练好的模型之后,所述方法还包括:
将预设文本库中第二数量的文本作为测试样本;
将所述测试样本输入至所述训练好的模型中,获取所述训练好的模型输出的所述测试样本中各个文本包括的各个事件的事件数据;
将获取到的所述模型输出的所述测试样本中各个文本包括的各个事件的事件数据与预先总结出的所述测试样本中各个文本包括的各个事件的事件数据进行比对;
如果比对结果达到预设的准确度要求,则确定所述训练好的模型可用。
可选地,所述预设算法包括:支持向量机SVM算法或神经网络算法。
可选地,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件按照时间轴可视化排序,其中一个事件对应所述时间轴上的一个事件节点。
可选地,所述方法还包括:
将各个事件的事件数据分别关联在与其对应在所述时间轴上的事件节点上。
可选地,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件以二维坐标系的形式做可视化处理;其中,所述二维坐标系中的一个轴用于表示所述目标文本包括的各个事件发生的时序,所述二维坐标系的另一个轴用于表示所述目标文本中对抗双方分别对应的事件,其中所述对抗双方分别位于所述一个轴的两侧。
可选地,所述事件数据包括:事件的类别和事件的要素。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种文本中事件数据的获取方法,其特征在于,所述方法包括:
将目标文本输入至预先训练好的模型;
获取所述模型输出的所述目标文本包括的各个事件的事件数据;
其中,所述模型通过如下步骤得到:
将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;
将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型。
2.根据权利要求1所述的方法,其特征在于,得到训练好的模型之后,所述方法还包括:
将预设文本库中第二数量的文本作为测试样本;
将所述测试样本输入至所述训练好的模型中,获取所述训练好的模型输出的所述测试样本中各个文本包括的各个事件的事件数据;
将获取到的所述模型输出的所述测试样本中各个文本包括的各个事件的事件数据与预先总结出的所述测试样本中各个文本包括的各个事件的事件数据进行比对;
如果比对结果达到预设的准确度要求,则确定所述训练好的模型可用。
3.根据权利要求1所述的方法,其特征在于,所述预设算法包括:支持向量机SVM算法或神经网络算法。
4.根据权利要求1所述的方法,其特征在于,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件按照时间轴可视化排序,其中一个事件对应所述时间轴上的一个事件节点。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将各个事件的事件数据分别关联在与其对应在所述时间轴上的事件节点上。
6.根据权利要求1所述的方法,其特征在于,所述获取所述模型输出的所述目标文本包括的各个事件的事件数据之后,所述方法还包括:
将所述目标文本包括的各个事件以坐标系的形式做可视化处理;其中,所述坐标系的第一个维度用于表示所述目标文本包括的各个事件发生的时序,所述坐标系的第二个维度用于区分所述目标文本中各个行为主体分别对应的事件。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述事件数据包括:事件的类别和事件的要素。
8.一种文本中事件数据的获取装置,其特征在于,所述装置包括:
模型训练单元,用于将预设文本库中第一数量的文本作为训练样本,作为所述训练样本的文本中带有事件数据的标注;将所述训练样本作为模型的输入,采用预设算法对模型进行训练,得到训练好的模型;
输入单元,用于将目标文本输入至预先训练好的模型;
事件数据获取单元,用于获取所述模型输出的所述目标文本包括的各个事件的事件数据。
9.一种存储介质,其特征在于,其上存储有程序,所述程序被处理器执行时实现权利要求1至7中任一项所述的文本中事件数据的获取方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任一项所述的文本中事件数据的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810194663.XA CN110309256A (zh) | 2018-03-09 | 2018-03-09 | 一种文本中事件数据的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810194663.XA CN110309256A (zh) | 2018-03-09 | 2018-03-09 | 一种文本中事件数据的获取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110309256A true CN110309256A (zh) | 2019-10-08 |
Family
ID=68073829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810194663.XA Pending CN110309256A (zh) | 2018-03-09 | 2018-03-09 | 一种文本中事件数据的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309256A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400431A (zh) * | 2020-03-20 | 2020-07-10 | 北京百度网讯科技有限公司 | 一种事件论元抽取方法、装置以及电子设备 |
CN112507101A (zh) * | 2020-12-18 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种建立预训练语言模型的方法和装置 |
CN114139524A (zh) * | 2021-11-29 | 2022-03-04 | 浙江大学 | 故事文本的预测方法、装置以及电子设备 |
WO2022095375A1 (zh) * | 2020-11-06 | 2022-05-12 | 平安科技(深圳)有限公司 | 事件脉络生成方法、装置、终端设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496081A (zh) * | 2011-11-15 | 2012-06-13 | 北京航空航天大学 | 一种项目结构化信息的三维可视化与交互方法 |
CN103093666A (zh) * | 2013-01-25 | 2013-05-08 | 黎启松 | 历史数据展示方法及出版物 |
CN104572958A (zh) * | 2014-12-29 | 2015-04-29 | 中国科学院计算机网络信息中心 | 一种基于事件抽取的敏感信息监控方法 |
CN104598535A (zh) * | 2014-12-29 | 2015-05-06 | 中国科学院计算机网络信息中心 | 一种基于最大熵的事件抽取方法 |
CN106126695A (zh) * | 2016-06-30 | 2016-11-16 | 张春生 | 一种相似案件检索方法及装置 |
CN106599032A (zh) * | 2016-10-27 | 2017-04-26 | 浙江大学 | 一种结合稀疏编码和结构感知机的文本事件抽取方法 |
CN106951438A (zh) * | 2017-02-13 | 2017-07-14 | 北京航空航天大学 | 一种面向开放域的事件抽取系统及方法 |
CN107122416A (zh) * | 2017-03-31 | 2017-09-01 | 北京大学 | 一种中文事件抽取方法 |
CN107729414A (zh) * | 2017-09-27 | 2018-02-23 | 哈尔滨工业大学深圳研究生院 | 一种展示历史时间轴的知识服务方法、系统及介质 |
-
2018
- 2018-03-09 CN CN201810194663.XA patent/CN110309256A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496081A (zh) * | 2011-11-15 | 2012-06-13 | 北京航空航天大学 | 一种项目结构化信息的三维可视化与交互方法 |
CN103093666A (zh) * | 2013-01-25 | 2013-05-08 | 黎启松 | 历史数据展示方法及出版物 |
CN104572958A (zh) * | 2014-12-29 | 2015-04-29 | 中国科学院计算机网络信息中心 | 一种基于事件抽取的敏感信息监控方法 |
CN104598535A (zh) * | 2014-12-29 | 2015-05-06 | 中国科学院计算机网络信息中心 | 一种基于最大熵的事件抽取方法 |
CN106126695A (zh) * | 2016-06-30 | 2016-11-16 | 张春生 | 一种相似案件检索方法及装置 |
CN106599032A (zh) * | 2016-10-27 | 2017-04-26 | 浙江大学 | 一种结合稀疏编码和结构感知机的文本事件抽取方法 |
CN106951438A (zh) * | 2017-02-13 | 2017-07-14 | 北京航空航天大学 | 一种面向开放域的事件抽取系统及方法 |
CN107122416A (zh) * | 2017-03-31 | 2017-09-01 | 北京大学 | 一种中文事件抽取方法 |
CN107729414A (zh) * | 2017-09-27 | 2018-02-23 | 哈尔滨工业大学深圳研究生院 | 一种展示历史时间轴的知识服务方法、系统及介质 |
Non-Patent Citations (1)
Title |
---|
党跃武等: "《基于信息组织技术的档案资源开发》", 30 November 2016, 四川大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400431A (zh) * | 2020-03-20 | 2020-07-10 | 北京百度网讯科技有限公司 | 一种事件论元抽取方法、装置以及电子设备 |
WO2022095375A1 (zh) * | 2020-11-06 | 2022-05-12 | 平安科技(深圳)有限公司 | 事件脉络生成方法、装置、终端设备及存储介质 |
CN112507101A (zh) * | 2020-12-18 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种建立预训练语言模型的方法和装置 |
CN112507101B (zh) * | 2020-12-18 | 2024-04-05 | 北京百度网讯科技有限公司 | 一种建立预训练语言模型的方法和装置 |
CN114139524A (zh) * | 2021-11-29 | 2022-03-04 | 浙江大学 | 故事文本的预测方法、装置以及电子设备 |
CN114139524B (zh) * | 2021-11-29 | 2022-09-13 | 浙江大学 | 故事文本的预测方法、装置以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309256A (zh) | 一种文本中事件数据的获取方法及装置 | |
Yu et al. | Modeling context in referring expressions | |
CN111291570B (zh) | 一种实现司法文书中要素识别的方法及装置 | |
CN109388712A (zh) | 一种基于机器学习的行业分类方法及终端设备 | |
CN111738016A (zh) | 多意图识别方法及相关设备 | |
CN110083716A (zh) | 基于藏文的多模态情感计算方法及系统 | |
Bredereck et al. | Elections with few candidates: Prices, weights, and covering problems | |
Zehe et al. | Detecting scenes in fiction: A new segmentation task | |
Baquero et al. | Predicting the programming language: Extracting knowledge from stack overflow posts | |
Khonji et al. | An evaluation of authorship attribution using random forests | |
CN110162609A (zh) | 用于向用户推荐咨询问题的方法及装置 | |
Smitha et al. | Meme classification using textual and visual features | |
CN109472722A (zh) | 获得待生成裁判文书经审理查明段相关信息的方法及装置 | |
Ma et al. | Aspect-specific context modeling for aspect-based sentiment analysis | |
Ewerth et al. | “Are machines better than humans in image tagging?”-A user study adds to the puzzle | |
JP2022082524A (ja) | 機械学習を通じての学習モデルを使った情報提供方法および装置 | |
CN113886580A (zh) | 一种情感评分方法、装置及电子设备 | |
Rizvi et al. | A hybrid approach and unified framework for bibliographic reference extraction | |
Hashemi et al. | Reward-bounded reachability probability for uncertain weighted MDPs | |
Murtazina et al. | An ontology-based approach to the agile requirements engineering | |
Wu et al. | Describing textures using natural language | |
Nguyen et al. | Impact analysis of different effective loss functions by using deep convolutional neural network for face recognition | |
Park et al. | Estimating comic content from the book cover information using fine-tuned VGG model for comic search | |
CN109299941A (zh) | 基于区块链网络的艺术品信息录入方法、计算设备及存储介质 | |
CN109558580A (zh) | 一种文本分析方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191008 |
|
RJ01 | Rejection of invention patent application after publication |