CN111460296B - 用于更新事件集合的方法和装置 - Google Patents
用于更新事件集合的方法和装置 Download PDFInfo
- Publication number
- CN111460296B CN111460296B CN202010245144.9A CN202010245144A CN111460296B CN 111460296 B CN111460296 B CN 111460296B CN 202010245144 A CN202010245144 A CN 202010245144A CN 111460296 B CN111460296 B CN 111460296B
- Authority
- CN
- China
- Prior art keywords
- event
- target entity
- candidate
- information
- candidate event
- 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.)
- Active
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本申请实施例公开了更新事件集合的方法和装置,涉及知识图谱技术领域。具体实现方案为:获取目标实体的候选事件的信息;根据所述候选事件的信息确定候选事件的特征向量;将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;根据分类模型的输出将候选事件加入目标实体的事件集合。该实施方式提高了更新事件集合的效率。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及知识图谱技术领域。
背景技术
随着移动互联网发展,各大新闻资讯网站也随之发展迅速。以个性化推荐、内容聚合、碎片化等形式来展示新闻资讯已经成为了资讯类应用程序的发展方向。其中,内容聚合的一种重要形式就是事件集合,例如,关于某个实体的事件专题、事件脉络。通过事件集合可以充分展现事件发生的脉络和缘由,是一种较好的资讯展现和体验的形式。
传统的事件集合的更新需要人工的介入,例如,需要资深编辑参与编写。
发明内容
本申请实施例提出了更新事件集合的方法、装置、设备以及存储介质。
第一方面,本申请的一些实施例提供了一种更新事件集合的方法,该方法包括:获取目标实体的候选事件的信息;根据所述候选事件的信息确定候选事件的特征向量;将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;根据分类模型的输出将候选事件加入目标实体的事件集合。
第二方面,本申请的一些实施例提供了一种更新事件集合的装置,该装置包括:获取单元,被配置成获取目标实体的候选事件的信息;确定单元,被配置成根据候选事件的信息确定候选事件的特征向量;输入单元,被配置成将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;更新单元,被配置成根据分类模型的输出将候选事件加入目标实体的事件集合。
第三方面,本申请的一些实施例提供了一种设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面,本申请的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面上述的方法。
根据本申请的技术,提高了更新事件集合的效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的一些可以应用于其中的示例性系统架构图;
图2是根据本申请第一实施例的示意图;
图3是根据本申请第二实施例的示意图;
图4是根据本申请实施例的一个可选实施方式中模型设计的示意图;
图5是根据本申请第三实施例的示意图;
图6是根据本申请第四实施例的示意图;
图7是根据本申请第五实施例的示意图;
图8是根据本申请第六实施例的示意图;
图9是适于用来实现本申请实施例的更新事件集合的方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的更新事件集合的方法或更新事件集合的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用,例如新闻资讯类应用、社交类应用、搜索类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上安装的应用提供支持的后台服务器,服务器105可以获取目标实体的候选事件的信息;根据所述候选事件的信息确定候选事件的特征向量;将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;根据分类模型的输出将候选事件加入目标实体的事件集合。
需要说明的是,本申请实施例所提供的更新事件集合的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,更新事件集合的装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的更新事件集合的方法的一个实施例的流程200。该更新事件集合的方法,包括以下步骤:
步骤201,获取目标实体的候选事件的信息。
在本实施例中,更新事件集合的方法执行主体(例如图1所示的服务器或终端)可以首先获取目标实体的候选事件的信息。实体是指能够独立存在的并能够作为一切属性的基础和万物本原的真实存在的物质或概念,通常可以指代具体的事物、主体和现象的支持者等,例如人名、物名、地名、机构名以及概念等。目标实体可以是任何对其感兴趣,待对其事件集合进行更新的实体。候选事件的信息可以包括候选事件的标题、摘要、正文或其他表征候选事件内容的文本。候选事件的信息可以是其他设备提交的,也可以是通过预先设置的获取条件在网络、事件库、或知识图谱中获取的,例如,可以通过设置关键字,检索范围以及时间信息等通过检索的方式获取候选事件。
步骤202,根据候选事件的信息确定候选事件的特征向量。
在本实施例中,上述执行主体可以根据步骤201中获取的候选事件的信息确定候选事件的特征向量。上述执行主体可以对候选事件的信息进行文本基本处理,文本语义分析从而得到候选事件的特征向量。作为示例,可以通过词频统计方法、主题模型或深度学习方法确定候选事件的特征向量。
步骤203,将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型。
在本实施例中,上述执行主体可以将步骤202中确定的候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型。目标实体的特征向量可以包括目标实体对应的关键词的词向量,可以通过文本语义分析得到,目标实体对应的关键词可以包括目标实体的名称、别称等。
分类模型的输出指示候选事件是否为目标实体主动触发的事件。主动触发的事件可以包括以目标实体为事件的主要对象,与目标实体相关度较高的事件,例如,目标实体为甲演员,事件的信息为"乙演员主演新剧关注某影片,称从该影片甲演员、丙演员身上获得启发",该事件与甲演员相关度很低,不是甲演员主动触发的事件。
上述执行主体可以将候选事件的特征向量与目标实体的特征向量级联或通过其他合并操作合并后输入预先训练的分类模型,也可以分别输入预先训练的分类模型。分类模型可以用于表征输入的向量与分类结果的对应关系,分类结果可以指示候选事件是否为目标实体主动触发的事件。作为示例,分类模型可以采用多层感知机等网络结构。分类模型的训练数据由人工标注获得,例如,标注准则可以包括:样本候选事件是样本目标实体是主动触发的标记为1,样本候选事件不是样本目标实体是主动触发的标记为0。而后,可以基于样本和机器学习方法进行模型训练,得到分类模型。通过模型判断候选事件是否为目标实体主动触发的事件,确保了加入事件集合的每个事件均为该目标实体主动触发的事件,而非与目标实体相关度较低的事件,从而提高了目标实体的事件集合中事件的质量。
步骤204,根据分类模型的输出将候选事件加入目标实体的事件集合。
在本实施例中,上述执行主体可以根据步骤203中分类模型的输出将候选事件加入目标实体的事件集合。事件集合可以是存在某种关联关系的事件的集合,可以包括事件专题、事件脉络等。目标实体的事件集合可以用于收录目标实体的近况信息。目标实体的事件集合可以为空,也可以包括至少一个事件。
在这里,上述执行主体可以仅根据分类模型的输出候选事件加入目标实体的事件集合,例如,上述执行主体可以响应于分类模型的输出指示候选事件为目标实体主动触发的事件,将候选事件加入目标实体的事件集合。也可以结合分类模型的输出与其他信息确定是否候选事件加入目标实体的事件集合。将候选事件加入事件集合后,还可以将候选事件的信息加入事件集合的展现页面。
本申请的上述实施例提供的方法通过获取目标实体的候选事件的信息;根据所述候选事件的信息确定候选事件的特征向量;将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;根据分类模型的输出将候选事件加入目标实体的事件集合,提高了更新事件集合的效率。
进一步参考图3,其示出了更新事件集合的方法的又一个实施例的流程300。该更新事件集合的方法的流程300,包括以下步骤:
步骤301,获取目标实体的候选事件的信息。
步骤302,对候选事件的信息进行预处理得到词序列。
在本实施例中,更新事件集合的方法执行主体(例如图1所示的服务器或终端)可以对步骤301中获取的候选事件的信息进行预处理得到词序列。预处理可以包括分词、词性标注和删除停用词等。候选事件的信息可以包括候选事件的标题。
步骤303,确定词序列中各个词的词向量,词性向量和位置向量。
在本实施例中,上述执行主体可以确定步骤302中得到的词序列中各个词的词向量,词性向量和位置向量。其中,词性向量表征词的词性,位置向量表征词与关键词的距离,距离可以是间隔的词的数量。词的词向量包括独热表示的向量或分布表示的向量,词向量可以利用预先训练的无监督模型得到,例如词到向量(word2vec)模型等,该无监督模型可以是基于已有的开源词向量或者自行构建的训练语料训练得到,可选的,可以采用与事件集合相同领域的训练语料。词性向量表征词的词性,词性向量可以是将当前词的词性标记映射为一个多维向量,相同的词性使用相同的向量进行初始化,引入词性向量是由于一些动词、名词可能包含更丰富的事件信息。
步骤304,根据词序列中各个词的词向量,词性向量和位置向量确定候选事件的特征向量。
在本实施例中,上述执行主体可以根据步骤303中得到的词序列中各个词的词向量,词性向量和位置向量确定候选事件的特征向量。作为示例,可以直接将词向量,词性向量和距离向量级联得到候选事件的特征向量,也可以进一步处理级联后的向量得到候选事件的特征向量,在这里,可以使用预先训练的编码模型对级联后的向量进行处理。编码模型可以用于表征级联后的词序列中各个词的词向量,词性向量和位置向量与候选事件的特征向量之间的对应关系,可以采用各种神经网络结构构造编码模型,作为示例,可以使用自注意力机制或注意力机制加权后的长短期记忆网络。
步骤305,将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型。
步骤306,根据分类模型的输出将候选事件加入目标实体的事件集合。
在本实施例的一些可选实现方式中,可参考图4的模型结构设计,在图4中,词向量401,词性向量402和位置向量403级联后,输入至编码模型404,得到了候选事件的特征向量405,而后,候选事件的特征向量405与目标实体的特征向量406集合后,得到向量407,并被输入至预先训练的分类模型408,得到分类结果409。分类结果409可以为0/1,指示候选事件是否为目标实体主动触发的事件。
在本实施例中,步骤301、步骤305、步骤306的操作与步骤201、步骤203、步骤204的操作基本相同,在此不再赘述。
从图3中可以看出,与图2对应的实施例相比,本实施例中的更新事件集合的方法的流程300中通过候选事件的词序列中各个词的词向量,词性向量和位置向量得到候选事件的特征向量,由此,本实施例描述的方案中对候选事件的特征向量的生成更佳,进一步提高了更新事件集合的效率。
进一步参考图5,其示出了更新事件集合的方法的又一个实施例的流程500。该更新事件集合的方法的流程500,包括以下步骤:
步骤501,确定目标实体的关键字。
在本实施例中,更新事件集合的方法执行主体(例如图1所示的服务器或终端)可以首先确定目标实体的关键字。目标实体的关键字可以是目标实体的名称及别称等可以表征目标实体的文本。
步骤502,根据关键字检索得到备选事件的信息。
在本实施例中,上述执行主体可以根据步骤501中确定的关键字检索得到备选事件的信息。检索可以是在网络中或预先建立的事件图谱中进行,检索的依据是判断事件相关资讯的标题是否包含关键字。
步骤503,通过实体链接过滤备选事件的信息中包含目标实体的歧义实体的信息,得到候选事件的信息。
在本实施例中,上述执行主体可以通过实体链接过滤步骤502中得到的备选事件的信息中包含目标实体的歧义实体的信息,得到候选事件的信息。实体链接可以是将一段文本中的某些字符串映射到知识库中对应的实体上。作为示例,目标实体为歌唱比赛的冠军李某,而甲公司高管李某与歌唱比赛的冠军李某同名,使用歌唱比赛的冠军的检索关键字,即其名字“李某”进行检索,包含甲公司高管“李某”的资讯"甲公司高管李某将离职加入创业公司"也被召回,这样会导致目标实体的事件集合中包含其他实体的事件。利用实体链接技术过滤包含歧义实体的事件,可以对关键词进行实体链接,得到第一实体ID;然后对候选事件的信息中的关键词进行实体链接得到第二实体ID,只保留第二实体ID与第一实体ID相同的候选事件。
步骤504,根据候选事件的信息确定候选事件的特征向量。
步骤505,将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型。
步骤506,根据分类模型的输出将候选事件加入目标实体的事件集合。
在本实施例中,步骤504、步骤505、步骤506的操作与步骤202、步骤203、步骤205的操作基本相同,在此不再赘述。
从图5中可以看出,与图2对应的实施例相比,本实施例中的更新事件集合的方法的流程500中通过检索获取候选事件的信息,并通过实体链接对信息进行过滤,进一步提高了更新后事件集合的准确性。
进一步参考图6,其示出了更新事件集合的方法的又一个实施例的流程600。该更新事件集合的方法的流程600,包括以下步骤:
步骤601,获取目标实体的候选事件的信息。
步骤602,根据候选事件的信息确定候选事件的特征向量。
步骤603,将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型。
步骤604,响应于分类模型的输出指示候选事件为目标实体主动触发的事件,确定候选事件与已加入目标实体的事件集合中,且发生时间早于候选事件的在先事件是否存在从属关系。
在本实施例中,更新事件集合的方法执行主体(例如图1所示的服务器或终端)可以响应于分类模型的输出指示候选事件为目标实体主动触发的事件,确定候选事件与已加入目标实体的事件集合中,且发生时间早于候选事件的在先事件是否存在从属关系。可以通过一些文本分析方法确定候选事件与在先事件是否存在从属关系。例如,可以通过预先训练的从属关系判定模型确定候选事件与在先事件是否存在从属关系,也可以通过确定候选事件与在先事件的文本的相似度确定候选事件与在先事件是否存在从属关系。
步骤605,响应于确定出候选事件与在先事件不存在从属关系,将候选事件加入目标实体的事件集合。
在本实施例中,上述执行主体可以响应于确定出候选事件与在先事件不存在从属关系,将候选事件加入目标实体的事件集合。
在本实施例中,步骤601、步骤602、步骤603的操作与步骤201、步骤202、步骤203的操作基本相同,在此不再赘述。
从图6中可以看出,与图2对应的实施例相比,本实施例中的更新事件集合的方法的流程600中在候选事件与在先事件不存在从属关系时,将候选事件加入目标实体的事件集合由此,本实施例描述的方案中事件集合中的事件相互独立,进一步提高了更新后事件集合的质量。
进一步参考图7,其示出了更新事件集合的方法的又一个实施例的流程700。该更新事件集合的方法的流程700,包括以下步骤:
步骤701,获取目标实体的候选事件的信息。
步骤702,根据候选事件的信息确定候选事件的特征向量。
步骤703,将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型。
步骤704,响应于分类模型的输出指示候选事件为目标实体主动触发的事件,根据候选事件关联的点击信息和/或展现信息确定候选事件是否是重要事件。
在本实施例中,更新事件集合的方法执行主体(例如图1所示的服务器或终端)可以响应于分类模型的输出指示候选事件为目标实体主动触发的事件,根据候选事件关联的点击信息和/或展现信息确定候选事件是否是重要事件。点击信息和/或展现信息可以体现事件的热度属性,可以根据点击信息和/或展现信息确定热度值,并过滤事件热度值小于某阈值的事件。事件热度的大小很大程度上反应了事件的重要程度。
步骤705,响应于确定出候选事件是重要事件,将候选事件加入目标实体的事件集合。
在本实施例中,上述执行主体可以响应于确定出候选事件与在先事件不存在从属关系,将候选事件加入目标实体的事件集合。
在本实施例中,步骤701、步骤702、步骤703的操作与步骤201、步骤202、步骤203的操作基本相同,在此不再赘述。
从图7中可以看出,与图2对应的实施例相比,本实施例中的更新事件集合的方法的流程700中通过预先训练的语义识别模型对预处理后的反馈信息进行语义识别,由此,进一步提高了更新后事件集合的质量。
进一步参考图8,作为对上述各图所示方法的实现,本申请提供了一种更新事件集合的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例的更新事件集合的装置800包括:获取单元801、确定单元802、输入单元803、更新单元804。其中,获取单元,被配置成获取目标实体的候选事件的信息;确定单元,被配置成根据候选事件的信息确定候选事件的特征向量;输入单元,被配置成将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;更新单元,被配置成根据分类模型的输出将候选事件加入目标实体的事件集合。
在本实施例中,更新事件集合的装置800的获取单元801、确定单元802、输入单元803、更新单元804的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204。
在本实施例的一些可选实现方式中,确定单元,包括:预处理子单元,被配置成对候选事件的信息进行预处理得到词序列;第一确定子单元,被配置成确定词序列中各个词的词向量,词性向量和位置向量,其中,词性向量表征词的词性,位置向量表征词与目标实体的词的距离;第二确定子单元,被配置成根据词序列中各个词的词向量,词性向量和位置向量确定候选事件的特征向量。
在本实施例的一些可选实现方式中,获取单元,包括:第三确定子单元,被配置成确定目标实体的关键字;检索子单元,被配置成根据关键字检索得到备选事件的信息;过滤子单元,被配置成通过实体链接过滤备选事件的信息中包含目标实体的歧义实体的信息,得到候选事件的信息。
在本实施例的一些可选实现方式中,更新单元,进一步被配置成:
响应于分类模型的输出指示候选事件为目标实体主动触发的事件,确定候选事件与已加入目标实体的事件集合中,且发生时间早于候选事件的在先事件是否存在从属关系;响应于确定出候选事件与在先事件不存在从属关系,将候选事件加入目标实体的事件集合。
在本实施例的一些可选实现方式中,更新单元,进一步被配置成:响应于分类模型的输出指示候选事件为目标实体主动触发的事件,根据候选事件关联的点击信息和/或展现信息确定候选事件是否是重要事件;响应于确定出候选事件是重要事件,将候选事件加入目标实体的事件集合。
本申请的上述实施例提供的装置,通过获取目标实体的候选事件的信息;根据所述候选事件的信息确定候选事件的特征向量;将候选事件的特征向量与目标实体的特征向量输入预先训练的分类模型,分类模型的输出指示候选事件是否为目标实体主动触发的事件;根据分类模型的输出将候选事件加入目标实体的事件集合,提高了更新事件集合的效率。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的更新事件集合的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的更新事件集合的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的更新事件集合的方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的更新事件集合的方法对应的程序指令/模块(例如,附图8所示的获取单元801、确定单元802、输入单元803、更新单元804)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的更新事件集合的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据更新事件集合的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至更新事件集合的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
更新事件集合的方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与更新事件集合的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,提高了更新事件集合的效率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种用于更新事件集合的方法,包括:
获取目标实体的候选事件的信息,所述目标实体是对其感兴趣,待对其事件集合进行更新的实体;
根据所述候选事件的信息确定所述候选事件的特征向量;
将所述候选事件的特征向量与所述目标实体的特征向量输入预先训练的分类模型,所述分类模型的输出指示所述候选事件是否为所述目标实体主动触发的事件,所述主动触发的事件包括以所述目标实体为事件的主要对象、由所述目标实体主动触发且与所述目标实体相关度较高的事件;
根据所述分类模型的输出将所述候选事件加入所述目标实体的事件集合,所述目标实体的事件集合用于收录所述目标实体的近况信息。
2.根据权利要求1所述的方法,其中,所述根据所述候选事件的信息确定所述候选事件的特征向量,包括:
对所述候选事件的信息进行预处理得到词序列;
确定所述词序列中各个词的词向量,词性向量和位置向量,其中,所述词性向量表征词的词性,位置向量表征词与关键词的距离;
根据所述词序列中各个词的词向量,词性向量和位置向量确定所述候选事件的特征向量。
3.根据权利要求1所述的方法,其中,所述获取候选事件的信息,包括:
确定所述目标实体的关键字;
根据所述关键字检索得到备选事件的信息;
通过实体链接过滤所述备选事件的信息中包含所述目标实体的歧义实体的信息,得到所述候选事件的信息。
4.根据权利要求1所述的方法,其中,所述根据所述分类模型的输出将所述候选事件加入所述目标实体的事件集合,包括:
响应于所述分类模型的输出指示所述候选事件为目标实体主动触发的事件,确定所述候选事件与已加入所述目标实体的事件集合中,且发生时间早于所述候选事件的在先事件是否存在从属关系;
响应于确定出所述候选事件与所述在先事件不存在从属关系,将所述候选事件加入所述目标实体的事件集合。
5.根据权利要求1-4中任一项所述的方法,其中,所述根据所述分类模型的输出将所述候选事件加入所述目标实体的事件集合,包括:
响应于所述分类模型的输出指示所述候选事件为目标实体主动触发的事件,根据所述候选事件关联的点击信息和/或展现信息确定所述候选事件是否是重要事件;
响应于确定出所述候选事件是重要事件,将所述候选事件加入所述目标实体的事件集合。
6.一种用于更新事件集合的装置,包括:
获取单元,被配置成获取目标实体的候选事件的信息,所述目标实体是对其感兴趣,待对其事件集合进行更新的实体;
确定单元,被配置成根据所述候选事件的信息确定所述候选事件的特征向量;
输入单元,被配置成将所述候选事件的特征向量与所述目标实体的特征向量输入预先训练的分类模型,所述分类模型的输出指示所述候选事件是否为所述目标实体主动触发的事件,所述主动触发的事件包括以所述目标实体为事件的主要对象、由所述目标实体主动触发且与所述目标实体相关度较高的事件;
更新单元,被配置成根据所述分类模型的输出将所述候选事件加入所述目标实体的事件集合,所述目标实体的事件集合用于收录所述目标实体的近况信息。
7.根据权利要求6所述的装置,其中,所述确定单元,包括:
预处理子单元,被配置成对所述候选事件的信息进行预处理得到词序列;
第一确定子单元,被配置成确定所述词序列中各个词的词向量,词性向量和位置向量,其中,所述词性向量表征词的词性,位置向量表征词与关键词的距离;
第二确定子单元,被配置成根据所述词序列中各个词的词向量,词性向量和位置向量确定所述候选事件的特征向量。
8.根据权利要求6所述的装置,其中,所述获取单元,包括:
第三确定子单元,被配置成确定所述目标实体的关键字;
检索子单元,被配置成根据所述关键字检索得到备选事件的信息;
过滤子单元,被配置成通过实体链接过滤所述备选事件的信息中包含所述目标实体的歧义实体的信息,得到所述候选事件的信息。
9.根据权利要求6所述的装置,其中,所述更新单元,进一步被配置成:
响应于所述分类模型的输出指示所述候选事件为目标实体主动触发的事件,确定所述候选事件与已加入所述目标实体的事件集合中,且发生时间早于所述候选事件的在先事件是否存在从属关系;
响应于确定出所述候选事件与所述在先事件不存在从属关系,将所述候选事件加入所述目标实体的事件集合。
10.根据权利要求6-9中任一项所述的装置,其中,所述更新单元,进一步被配置成:
响应于所述分类模型的输出指示所述候选事件为目标实体主动触发的事件,根据所述候选事件关联的点击信息和/或展现信息确定所述候选事件是否是重要事件;
响应于确定出所述候选事件是重要事件,将所述候选事件加入所述目标实体的事件集合。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245144.9A CN111460296B (zh) | 2020-03-31 | 2020-03-31 | 用于更新事件集合的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245144.9A CN111460296B (zh) | 2020-03-31 | 2020-03-31 | 用于更新事件集合的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460296A CN111460296A (zh) | 2020-07-28 |
CN111460296B true CN111460296B (zh) | 2023-08-04 |
Family
ID=71680936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010245144.9A Active CN111460296B (zh) | 2020-03-31 | 2020-03-31 | 用于更新事件集合的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460296B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699237B (zh) * | 2020-12-24 | 2021-10-15 | 百度在线网络技术(北京)有限公司 | 标签确定方法、设备和存储介质 |
CN113360765A (zh) * | 2021-06-28 | 2021-09-07 | 北京百度网讯科技有限公司 | 事件信息的处理方法、装置、电子设备和介质 |
CN115577935B (zh) * | 2022-10-09 | 2023-09-15 | 华院计算技术(上海)股份有限公司 | 基于认知智能的连铸数据处理方法及装置、计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016179218A1 (en) * | 2015-05-04 | 2016-11-10 | Onepin, Inc. | Automatic after call survey and campaign-based customer feedback collection platform |
CN109582954A (zh) * | 2018-01-24 | 2019-04-05 | 广州数知科技有限公司 | 用于输出信息的方法和装置 |
CN110309296A (zh) * | 2018-03-09 | 2019-10-08 | 北京国双科技有限公司 | 一种事件提取方法及装置 |
CN110597994A (zh) * | 2019-09-17 | 2019-12-20 | 北京百度网讯科技有限公司 | 事件元素识别方法和装置 |
CN110647652A (zh) * | 2019-09-29 | 2020-01-03 | 百度在线网络技术(北京)有限公司 | 兴趣资源的处理方法、装置、设备和介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2839171B1 (fr) * | 2002-04-30 | 2004-12-17 | Patient On Line | Systeme de gestion d'informations |
CN105677873B (zh) * | 2016-01-11 | 2019-03-26 | 中国电子科技集团公司第十研究所 | 基于领域知识模型的文本情报关联聚类汇集处理方法 |
CN108427761B (zh) * | 2018-03-21 | 2022-01-14 | 腾讯科技(深圳)有限公司 | 一种新闻事件处理的方法、终端、服务器及存储介质 |
CN110555108B (zh) * | 2018-05-31 | 2022-03-15 | 北京百度网讯科技有限公司 | 事件脉络生成方法、装置、设备及存储介质 |
CN109800413A (zh) * | 2018-12-11 | 2019-05-24 | 北京百度网讯科技有限公司 | 新闻事件的识别方法、装置、设备及可读存储介质 |
CN110795527B (zh) * | 2019-09-03 | 2022-04-29 | 腾讯科技(深圳)有限公司 | 候选实体排序方法、训练方法及相关装置 |
CN110704603B (zh) * | 2019-09-12 | 2022-09-09 | 武汉灯塔之光科技有限公司 | 一种通过资讯发掘当前热点事件的方法和装置 |
-
2020
- 2020-03-31 CN CN202010245144.9A patent/CN111460296B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016179218A1 (en) * | 2015-05-04 | 2016-11-10 | Onepin, Inc. | Automatic after call survey and campaign-based customer feedback collection platform |
CN109582954A (zh) * | 2018-01-24 | 2019-04-05 | 广州数知科技有限公司 | 用于输出信息的方法和装置 |
CN110309296A (zh) * | 2018-03-09 | 2019-10-08 | 北京国双科技有限公司 | 一种事件提取方法及装置 |
CN110597994A (zh) * | 2019-09-17 | 2019-12-20 | 北京百度网讯科技有限公司 | 事件元素识别方法和装置 |
CN110647652A (zh) * | 2019-09-29 | 2020-01-03 | 百度在线网络技术(北京)有限公司 | 兴趣资源的处理方法、装置、设备和介质 |
Non-Patent Citations (3)
Title |
---|
Summarizing Events from Massive News Reports on the Web;Weiyi Ge等;2015 International Conference on Network and Information Systems for Computers;全文 * |
基于多特征融合的财经新闻话题检测研究;谭梦婕等;计算机工程;第45卷(第3期);全文 * |
通过深度相关性查询实现新闻事件挖掘;李辰;信息技术;第43卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111460296A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507715B (zh) | 确定实体之间关联关系的方法、装置、设备和存储介质 | |
US11714816B2 (en) | Information search method and apparatus, device and storage medium | |
CN111460296B (zh) | 用于更新事件集合的方法和装置 | |
CN112099790A (zh) | 确定页面主题的方法、装置、设备以及存储介质 | |
CN111666292B (zh) | 用于检索地理位置的相似度模型建立方法和装置 | |
CN111460135B (zh) | 用于生成文本摘要的方法和装置 | |
CN111400456B (zh) | 资讯推荐方法及装置 | |
WO2021212827A1 (zh) | 检索地理位置的方法、装置、设备和计算机存储介质 | |
CN111611990A (zh) | 用于识别图像中表格的方法和装置 | |
CN111984774B (zh) | 搜索方法、装置、设备以及存储介质 | |
CN111984825A (zh) | 用于搜索视频的方法和装置 | |
CN111782785B (zh) | 自动问答方法、装置、设备以及存储介质 | |
CN112328896B (zh) | 用于输出信息的方法、装置、电子设备和介质 | |
CN111523019B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN111639234B (zh) | 用于挖掘核心实体关注点的方法和装置 | |
CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
WO2021098175A1 (zh) | 录制语音包功能的引导方法、装置、设备和计算机存储介质 | |
CN112052410A (zh) | 地图兴趣点更新方法和装置 | |
CN111625706B (zh) | 信息检索方法、装置、设备及存储介质 | |
CN111767444B (zh) | 页面特征构建方法、装置、设备和存储介质 | |
CN112148979B (zh) | 事件关联用户的识别方法、装置、电子设备和存储介质 | |
CN111459959B (zh) | 用于更新事件集合的方法和装置 | |
CN114238745A (zh) | 一种提供搜索结果的方法及装置、电子设备和介质 | |
CN112015989A (zh) | 用于推送信息的方法和装置 | |
CN112329429B (zh) | 文本相似度学习方法、装置、设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |