CN112650919B - 实体资讯分析方法、装置、设备及存储介质 - Google Patents
实体资讯分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112650919B CN112650919B CN202011375817.9A CN202011375817A CN112650919B CN 112650919 B CN112650919 B CN 112650919B CN 202011375817 A CN202011375817 A CN 202011375817A CN 112650919 B CN112650919 B CN 112650919B
- Authority
- CN
- China
- Prior art keywords
- information
- sentence
- time
- event
- sentences
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000002776 aggregation Effects 0.000 claims description 27
- 238000004220 aggregation Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 19
- 230000008451 emotion Effects 0.000 claims description 17
- 238000002372 labelling Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012300 Sequence Analysis Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种实体资讯分析方法、装置、设备及存储介质，涉及人工智能技术领域和大数据技术领域，尤其是知识图谱、深度学习领域。该实体资讯分析方法包括：对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间。利用本申请能够获得实体的相关资讯的时序信息。
Description
技术领域
本申请涉及人工智能技术领域和大数据技术领域，具体涉及资讯聚合分析技术，尤其涉及一种实体资讯分析方法、装置、设备以及存储介质。
背景技术
随着互联网技术的发展，用户能够通过网络获取到各类资讯信息，这些资讯信息分布在不同的新闻源，如新闻资讯类的网站、应用程序app等，大多数资讯都会涉及特定事件和/或特定实体，这里，所谓“事件”可按通常理解为发生的新闻事件，所谓“实体”可理解为目标对象，例如运动员、演员、商业或非商业机构等。对于分散在不同新闻数据源的资讯，如果不加以资讯聚合（或称信息聚合）处理，用户很难快速获取到关于某一事件或某一实体的较为完备的相关资讯。
为了改善这种情况，目前已经提出一些可行的信息聚合方案，但是，绝大多数方案关注的是基于“事件”形成资讯集合，也就是以“事件”为粒度进行资讯聚合，以“事件”脉络、“事件”专题等方式呈现图文信息。虽然能够为用户提供较好的事件聚合资讯，但是如果用户希望了解某一个“实体”的相关信息，目前的基于“事件”的信息聚合方案不能令人满意。
发明内容
本申请提供一种实体资讯分析方法、装置、设备以及存储介质，用于解决以上至少一个技术问题。
根据本申请的第一方面，提供了一种实体资讯分析方法，包括：
对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；
对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；
基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间。
根据本申请的第二方面，提供了一种实体资讯分析装置，包括：
事件句抽取模块，用于对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；
时间抽取模块，用于对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；
事件发生时间确定模块，用于基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间。
根据本申请的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上的方法。
根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如上的方法。
根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
本申请的实施例可对给定实体的大量资讯进行处理，通过对资讯进行事件句抽取处理和时间抽取处理，可分别得到资讯中的多个正文句子对应的事件句置信度、时间信息以及时间信息的概率值，基于事件句置信度和概率值可确定资讯的事件发生时间；基于本申请实施例的结果，可以对同一个实体的各种资讯按照事件发生时间进行整合，可为用户呈现具备时序关系的资讯聚合信息，有利于用户以逻辑顺承关系浏览信息，从而快速了解该实体的相关资讯，可为用户节省浏览时间和精力。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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是本申请一个实施例的实体资讯分析方法的流程框图；
图2是本申请另一实施例的实体资讯分析方法的流程框图；
图3是本申请实施例中的时序性分析的处理流程图；
图4是本申请实施例中的特定实体的多条资讯的展示效果示意图。
图5是本申请实施例的实体资讯分析装置的结构框图；
图6实现本申请实施例的实体资讯分析方法的电子设备的框图。
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。
图1示出了本申请实施例提供的一种实体资讯分析方法的流程框图，该方法包括：
S101，对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；
S102，对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；
S103，基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间。
根据本申请的实施例，在获得目标实体（例如人名或机构名）的多个资讯后，通过对资讯进行事件句抽取处理和时间抽取处理，可分别得到资讯中的多个正文句子对应的事件句置信度、时间信息以及时间信息的概率值，基于事件句置信度和概率值，可确定出资讯的事件发生时间。
也就是说，本申请实施例可对同一个实体的大量资讯（包括不同事件的资讯）进行处理，可确定各个资讯的事件发生时间。基于本申请实施例的结果，可以对同一个实体的各种资讯按照事件发生时间进行聚合，可为用户呈现具备时序关系的资讯聚合信息，有利于用户以逻辑顺承关系浏览信息，从而快速了解该实体的相关资讯，可为用户节省浏览时间和精力。
在本申请的实施例中，可选地，在确定所述资讯的事件发生时间之后，基于所述目标实体的多个资讯的事件发生时间，生成所述目标实体的资讯聚合结果，其中，所述资讯聚合结果包括：与所述目标实体相关的一个或多个事件的资讯按照时序关系呈现的资讯集合。
可以看到，基于同一个实体的多个资讯的事件发生时间生成该实体的资讯聚合结果，可为用户呈现具备时序关系的资讯聚合信息，聚合的信息中可以包含与该实体相关的多个事件，如此，用户可以以逻辑顺承关系浏览信息，快速了解与该实体相关的各种资讯，满足用户的实体信息查询需求。
在本申请的实施例中，可选地，基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间，可通过如下方式实现：
以各个正文句对应的事件句置信度与各个正文句对应的概率值的乘积作为各个正文句对应的时间信息的置信度，根据置信度最高的时间信息确定所述资讯的事件发生时间。以置信度最高的正文句对应的时间作为该条资讯的时间，这样处理的结果准确度较高。
在本申请的实施例中，可选地，所述根据置信度最高的时间信息确定所述资讯的事件发生时间，可通过如下方式实现：
将所述置信度最高的时间信息转换为绝对时间，以所述绝对时间作为所述资讯的事件发生时间。
举例来说，如果抽取出的置信度最高的时间信息为“上周一”，可结合该条资讯的发布时间换算出绝对时间，例如资讯的发布日期是2020年12月1日，以该发布日期为参考，可推得“上周一”为2020年11月23日（绝对时间），即该条资讯的事件发生时间为2020年11月23日。
在本申请的实施例中，可选地，所述对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句分别对应的事件句置信度，可通过如下方式实现：
以二分类模型处理多个句对，所述多个句对包括资讯的一个标题句与资讯的多个正文句分别构成的多个句对，得到所述二分类模型输出的所述多个句对的语义相似度值，将语义相似度值作为对应的句对中的正文句的事件句置信度。
举例说明，二分类模型可为训练好的二分类神经网络模型，输出的预测值为语义相似度值，其中1表示两个句子（句对）所描述的事件一致，0表示不一致。将一条资讯的标题句与该资讯的各个正文句分别组合，得到多个句对，将句对输入二分类模型可得到该句对的事件句置信度，也就是该句对中的正文句对应的事件句置信度。事件句置信度越高，说明对应的正文句的描述越接近于标题描述的事件。
在本申请的实施例中，可选地，所述对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值，可通过如下方式实现：
以序列标注模型处理所述事件句置信度大于或等于预定阈值的正文句，其中所述事件句置信度大于或等于预定阈值的正文句已通过BIO标注方式添加标签；所述序列标注模型根据BIO标签解析出正文句的时间信息，并输出正文句的时间信息以及时间信息对应的概率值。
这里利用BIO标注方式对正文句添加标签，通过序列标注模型处理，可解析得到正文句中的时间信息，用于后续确定事件的发生时间。
在本申请的实施例中，可选地，在所述对目标实体的资讯进行事件句抽取处理之前，获取所述目标实体的多个资讯，并进行以下至少一种处理：
基于实体抽取技术将不属于所述目标实体的资讯过滤掉；
对资讯进行资源质量分析，将质量分数低于阈值的资讯过滤掉；
根据文本相似度进行去重处理；
根据语义相似度进行去重处理。
这样处理的好处是，可将获得的大量资讯中与目标实体无关的杂质过滤掉；可将资源质量较差的资讯（可从资讯来源、标题完整度、标题与正文一致性等方面考虑）过滤掉；可将内容、含义重复的资讯剔除，有利于最终获得高质量的实体资讯聚合信息。
在本申请的实施例中，可选地，在所述生成所述目标实体的资讯聚合结果之后，对所述资讯聚合结果进行以下至少一种处理：
基于关键词抽取技术得到所述目标实体的关键词信息；
基于资讯数量和/或资讯热度加权计算所述目标实体的关注度值；
采用训练好的情感分类模型处理所述资讯聚合结果，得到所述目标实体的资讯的情感倾向。
这样处理的好处是，通过上述处理，在得到具有时序关系的实体聚合信息的基础上，还能够获得用户关注的实体的关键词信息、该实体的关注度情况，和/或，网络评论中的情感倾向等信息，这些附加信息可作为结构化实体信息输出展示，相对于以往不考虑多源信息的实体聚合、缺少用户评论情感分析等信息单一的情况，本申请实施例的方案能够产出多维度的实体资讯统计信息，丰富用户对目标实体资讯的查询结果。
以上描述了本申请实施例的多种实现方式，以下通过具体的例子，描述本申请实施例的具体处理过程以及效果展示。
图2示意性地示出了本申请实施例的实体资讯分析方法的一种整体方案，包括以下三大部分：（一）资讯过滤、（二）资讯去重和（三）资讯分析，以下分别进行详细描述。
（一）基于给定实体，从多源数据中过滤该实体相关的资讯，这里的多源数据包括并不限于：新闻资讯、微博数据、微信文章、头条文章等；这里可使用实体抽取技术，而不是仅做简单的文本匹配，以解决同名实体的问题；此外这里也可以从时间、质量等角度对资源进行过滤。
关于实体抽取技术，基于子图关联技术可以识别出短语中的实体，如人名、机构名称等，并给予相应实体简介及百科身份id，可解决同名实体问题，如：“地震专家张三”、“儿科医生张三”中的“张三”仅同名，并非同一实体。
关于资源质量计算，可综合考虑资讯来源s、标题完整度t、标题与正文一致性c等方面，加权计算得到资源质量，可利用如下公式计算质量值：q=w1×s+w2×t+w3×c；其中w1、w2、w3为模型参数，可以通过人工标注数据进行拟合。
（二）对上一步的资讯基于文本相似度、语义相似度进行去重；这里的文本相似度可使用分词技术；语义相似度可采用基于预训练模型的深度学习模型。
（三）对上一步的资讯进行进一步分析，包括但不限于：时序分析、关键词分析、关注度分析和/或评论情感分析等，以此可得到包括具有时序关系的图文信息、实体关键词信息、实体关注度情况和/或网友评论情感倾向等结构化实体信息；以下描述各分析处理的具体实现方式。
时序性分析：使用时间抽取技术从资讯中抽取出资讯标题对应事件的发生时间，如未能抽出，则以资讯发布时间作为事件发生时间。由于时间信息大多在资讯正文中，而篇章级信息抽取较为复杂，考虑使用事件句抽取技术将篇章级抽取转为句子级抽取；在事件句上采用基于序列标注模型的句子时间抽取技术；结合资讯发布时间、文本时间信息将时间进行归一处理，得到相应日期格式。以下参考图3，对时序性分析的多步处理做详细描述。
事件句抽取处理：目的是从正文中识别与标题所描述事件一致的句子，输入为<标题，正文句1>，<标题，正文句2>...，输出为各句子对的语义相似性，视为各正文句与标题句语义相似的置信度，可将超过预先设定阈值的正文句作为下一步的输入。这里，使用的模型可为二分类模型，1表示正文句与标题所描述事件一致，0则表示相反。可使用预先训练好的深度学习模型，如二分类神经网络模型。
句子时间抽取处理：目的是从上述事件句子中抽取出事件发生时间，输入为句子，输出为根据句子对应的BIO标签解析出来的时间信息及相应概率，视为句子中抽取出的时间信息及置信度。模型为预先训练好的序列标注模型，可以采用基于预训练模型和条件随机场的模型。
时间归一处理：将上一步抽取的事件句置信度与相应句子抽取的时间置信度相乘，作为该抽取出的时间的置信度，挑选置信度最高的作为本步骤的归一操作对象，将相对时间转换为绝对时间，规范时间格式，例如抽取出“上周一”，可结合资讯发布时间产出具体的日期时间，如果资讯的发布日期是2020年12月1日，以该发布日期为参考，可推得“上周一”为2020年11月23日（绝对时间），即该条资讯的事件发生时间为2020年11月23日。
关键词分析：基于资讯内容、网友评论等信息，使用关键词抽取技术得到该实体的关键词信息。
关注度分析：基于资讯数量、资讯热度等加权计算出该实体的关注度。
评论情感分析：采用预先训练好的情感分类模型对资讯数据进行统计，得到资讯报道对该实体的情感倾向。这里的情感分类模型可采用基于预训练模型的深度学习模型。
图4示意性地示出了特定实体的多条资讯的展示效果示意图，其中，特定实体为人名例如“李四”，图4所示为从新闻资讯、微博数据、微信文章、头条文章等多源资讯中获得的与该实体相关的部分资讯，可通过实体抽取技术、资源质量计算等保留优质资讯。
可以看到，图4中右侧的资讯2虽然提到了李四，但文章主体不与李四相关，视为杂质资讯进行去除；
对上一步获取的资讯通过文本相似判别技术、语义相似判别技术进行去重；
结合文本相似、语义相似、时间信息等，认为图4中右侧的资讯5与资讯4重复，因此去重资讯5；
对上一步获取的资讯，通过时序性分析、关键词分析、关注度分析、评论情感分析等进行分析处理；
通过时序性分析，获得各资讯对应事件发生时间，并按此进行排序得到“李四”这一实体的事件列表，如图4中左侧的四个资讯；这里还可根据资讯浏览、点击情况优先展示热门资讯。
图4中下方的方框中所示为该实体“李四”对应的关键词、关注度、情感倾向等信息。
以下以图4中的“资讯1”为例，描述对该资讯1进行时序性分析的过程。
资讯1的标题以及部分正文信息如下：
标题：经董事会选举李四中选2016年W公司董事长
正文句1：2016年W公司董事长选举29日结束，初步统计显示，董事长候选人李四中选。
正文句2：截至29日的统计结果显示，李四得票超过胜选所需的5张董事会选票。
正文句3：李四在2016年W公司董事长选举中中选。
正文句4：依据公司程序，新董事长将在2016年2月10日上任。
其中，标题句与正文句可构成多个句对：<标题，正文句1>， <标题，正文句2>， <标题，正文句3>， <标题，正文句4>。
经过事件句抽取处理后，产出各正文句对应的事件句置信度如下：
<正文句1，0.8>、<正文句2，0.7>、<正文句3，0.9>、<正文句4，0.3>，
其中，超过预先定义阈值0.5视为事件句，作为下一步输入：正文句1、正文句3：
对正文句1和正文句3进行句子时间抽取处理，输出<时间、置信度>，具体为：
正文句1：<2016年，0.3>，<29日，0.9>
正文句3：<2016年，0.5>
对上一步得到的三个时间信息，分别计算其置信度：
正文句1，2016年，0.8×0.3 = 0.24，
正文句1，29日，0.8×0.9 = 0.72，
正文句3，2016年，0.9×0.5 = 0.45，
选取置信度最高的用于时间归一处理：正文句1，29日；
结合资讯发布时间，时间归一处理后得到最终事件发生时间为：2016年11月29日。
可以看到，利用本申请实施例的技术方案可产出基于给定实体的具有时序关系的资讯信息，用户可以以逻辑顺承关系浏览信息，快速了解与该实体相关的各种资讯，此外还可得到实体关注度信息、网友评论情感倾向信息等统计信息；本申请实施例可应用在诸如名人动态资讯查询的业务中，可节省技术人员处理海量信息的时间成本，提升用户获取实体资讯信息的时效性、全面性。
以上通过多个实施例从不同角度描述了本申请实施例的具体设置和实现方式。与上述至少一个实施例的处理方法相对应地，本申请实施例还提供一种实体资讯分析装置100，参考图5，其包括：
事件句抽取模块110，用于对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；
时间抽取模块120，用于对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；
事件发生时间确定模块130，用于基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间。
本申请实施例各装置中的各模块的功能可以参见上述方法实施例中的对应描述的处理，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。如图6所示，是根据本申请实施例的实体资讯分析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6所示，该电子设备包括：一个或多个处理器1001、存储器1002，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）上显示图形用户界面（Graphical User Interface，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6中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的实体资讯分析方法。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实体资讯分析方法。
存储器1002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实体资讯分析方法对应的程序指令/模块（例如，附图5所示的事件句抽取模块110、时间抽取模块120和事件发生时间确定模块130）。处理器1001通过运行存储在存储器1002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实体资讯分析方法。
存储器1002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搜索结果的分析处理电子设备的使用所创建的数据等。此外，存储器1002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1002可选包括相对于处理器1001远程设置的存储器，这些远程存储器可以通过网络连接至搜索结果的分析处理电子设备。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。
本申请实施例的实体资讯分析方法对应的电子设备还可以包括：输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接，本申请图6实施例中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息，以及产生与搜索结果的分析处理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1004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（Liquid Crystal Display，LCD）、发光二极管（Light EmittingDiode，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、专用集成电路（Application Specific Integrated Circuits，ASIC）、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（programmable logic device，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（Cathode Ray Tube，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（Local Area Network，LAN）、广域网（Wide Area Network，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。
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 (18)
1.一种实体资讯分析方法，包括：
对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；
对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；
基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间；
基于所述目标实体的多个资讯的事件发生时间，生成所述目标实体的资讯聚合结果，其中，所述资讯聚合结果包括：与所述目标实体相关的一个或多个事件的资讯按照时序关系呈现的资讯集合。
2.根据权利要求1所述的方法，其中所述基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间，包括：
以各个正文句对应的事件句置信度与各个正文句对应的概率值的乘积作为各个正文句对应的时间信息的置信度，根据置信度最高的时间信息确定所述资讯的事件发生时间。
3.根据权利要求2所述的方法，其中所述根据置信度最高的时间信息确定所述资讯的事件发生时间，包括：
将所述置信度最高的时间信息转换为绝对时间，以所述绝对时间作为所述资讯的事件发生时间。
4.根据权利要求1所述的方法，其中所述对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句分别对应的事件句置信度，包括：
以二分类模型处理多个句对，所述多个句对包括资讯的一个标题句与资讯的多个正文句分别构成的多个句对，得到所述二分类模型输出的所述多个句对的语义相似度值，将语义相似度值作为对应的句对中正文句的事件句置信度。
5.根据权利要求1所述的方法，其中所述对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值，包括：
以序列标注模型处理所述事件句置信度大于或等于预定阈值的正文句，其中所述事件句置信度大于或等于预定阈值的正文句已通过BIO标注方式添加标签；所述序列标注模型根据BIO标签解析出正文句的时间信息，并输出正文句的时间信息以及时间信息对应的概率值。
6.根据权利要求1所述的方法，在所述对目标实体的资讯进行事件句抽取处理之前，所述方法还包括：获取所述目标实体的多个资讯，并进行以下至少一种处理：
基于实体抽取技术将不属于所述目标实体的资讯过滤掉；
对资讯进行资源质量分析，将质量分数低于阈值的资讯过滤掉；
根据文本相似度进行去重处理；
根据语义相似度进行去重处理。
7.根据权利要求1所述的方法，在所述生成所述目标实体的资讯聚合结果之后，所述方法还包括，对所述资讯聚合结果进行以下至少一种处理：
基于关键词抽取技术得到所述目标实体的关键词信息；
基于资讯数量和/或资讯热度加权计算所述目标实体的关注度值；
采用训练好的情感分类模型处理所述资讯聚合结果，得到所述目标实体的资讯的情感倾向。
8.根据权利要求1-7中任一项所述的方法，所述目标实体包括以下至少一者：人名、机构名称。
9.一种实体资讯分析装置，包括：
事件句抽取模块，用于对目标实体的资讯进行事件句抽取处理，获得所述资讯中的多个正文句以及正文句对应的事件句置信度，所述事件句置信度为资讯的标题句与正文句之间的语义相似度值；
时间抽取模块，用于对所述事件句置信度大于或等于预定阈值的正文句进行时间抽取处理，获得正文句对应的时间信息以及时间信息对应的概率值；
事件发生时间确定模块，用于基于所述资讯中的所述多个正文句分别对应的事件句置信度和所述多个正文句分别对应的所述概率值，确定所述资讯的事件发生时间；
资讯聚合模块，用于基于所述目标实体的多个资讯的事件发生时间，生成所述目标实体的资讯聚合结果，其中，所述资讯聚合结果包括：与所述目标实体相关的一个或多个事件的资讯按照时序关系呈现的资讯集合。
10.根据权利要求9所述的装置，其中所述事件发生时间确定模块以各个正文句对应的事件句置信度与各个正文句对应的概率值的乘积作为各个正文句对应的时间信息的置信度，根据置信度最高的时间信息确定所述资讯的事件发生时间。
11.根据权利要求10所述的装置，其中所述事件发生时间确定模块将所述置信度最高的时间信息转换为绝对时间，以所述绝对时间作为所述资讯的事件发生时间。
12.根据权利要求9所述的装置，其中所述事件句抽取模块包括：
二分类模型，用于处理多个句对，并输出所述多个句对的语义相似度值，所述多个句对包括资讯的一个标题句与资讯的多个正文句分别构成的多个句对；所述事件句抽取模块将语义相似度值作为对应的句对中正文句的事件句置信度。
13.根据权利要求9所述的装置，其中所述时间抽取模块包括：
序列标注模型，用于处理所述事件句置信度大于或等于预定阈值的正文句，其中所述事件句置信度大于或等于预定阈值的正文句已通过BIO标注方式添加标签，所述序列标注模型根据BIO标签解析出正文句的时间信息，并输出正文句的时间信息以及时间信息对应的概率值。
14.根据权利要求9所述的装置，还包括资讯获取模块，用于获取所述目标实体的多个资讯；所述装置还包括以下至少一种子模块：
实体抽取子模块，用于基于实体抽取技术将不属于所述目标实体的资讯过滤掉；
资源质量分析子模块，用于对资讯进行资源质量分析，将质量分数低于阈值的资讯过滤掉；
文本去重子模块，用于根据文本相似度进行去重处理；
语义去重子模块，用于根据语义相似度进行去重处理。
15.根据权利要求9所述的装置，还包括以下至少一种子模块：
关键词抽取子模块，用于基于关键词抽取技术得到所述目标实体的关键词信息；
关注度处理子模块，用于基于资讯数量和/或资讯热度加权计算所述目标实体的关注度值；
情感倾向分析子模块，用于采用训练好的情感分类模型处理所述资讯聚合结果，得到所述目标实体的资讯的情感倾向。
16.根据权利要求9-15中任一项所述的装置，所述目标实体包括以下至少一者：人名、机构名称。
17.一种电子设备，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如权利要求1-8中任一项所述的方法。
18.一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计算机执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011375817.9A CN112650919B (zh) | 2020-11-30 | 2020-11-30 | 实体资讯分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011375817.9A CN112650919B (zh) | 2020-11-30 | 2020-11-30 | 实体资讯分析方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112650919A CN112650919A (zh) | 2021-04-13 |
| CN112650919B true CN112650919B (zh) | 2023-09-01 |
Family
ID=75349820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011375817.9A Active CN112650919B (zh) | 2020-11-30 | 2020-11-30 | 实体资讯分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112650919B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114254028A (zh) * | 2021-12-20 | 2022-03-29 | 北京百度网讯科技有限公司 | 事件属性抽取方法、装置、电子设备和存储介质 |
| CN116028617B (zh) * | 2022-12-06 | 2024-02-27 | 腾讯科技（深圳）有限公司 | 资讯推荐方法、装置、设备、可读存储介质及程序产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017128997A1 (zh) * | 2016-01-27 | 2017-08-03 | 阿里巴巴集团控股有限公司 | 业务处理方法、数据处理方法及装置 |
| CN107329948A (zh) * | 2017-05-23 | 2017-11-07 | 努比亚技术有限公司 | 语句所记述事件的发生时间推定方法、设备及存储介质 |
| CN107562772A (zh) * | 2017-07-03 | 2018-01-09 | 南京柯基数据科技有限公司 | 事件抽取方法、装置、系统和存储介质 |
| AU2018100678A4 (en) * | 2015-11-05 | 2018-06-14 | Tongji University | News events extracting method and system |
| CN110633330A (zh) * | 2018-06-01 | 2019-12-31 | 北京百度网讯科技有限公司 | 事件发现方法、装置、设备及存储介质 |
| WO2020007138A1 (zh) * | 2018-07-03 | 2020-01-09 | 腾讯科技（深圳）有限公司 | 一种事件识别的方法、模型训练的方法、设备及存储介质 |
-
2020
- 2020-11-30 CN CN202011375817.9A patent/CN112650919B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2018100678A4 (en) * | 2015-11-05 | 2018-06-14 | Tongji University | News events extracting method and system |
| WO2017128997A1 (zh) * | 2016-01-27 | 2017-08-03 | 阿里巴巴集团控股有限公司 | 业务处理方法、数据处理方法及装置 |
| CN107329948A (zh) * | 2017-05-23 | 2017-11-07 | 努比亚技术有限公司 | 语句所记述事件的发生时间推定方法、设备及存储介质 |
| CN107562772A (zh) * | 2017-07-03 | 2018-01-09 | 南京柯基数据科技有限公司 | 事件抽取方法、装置、系统和存储介质 |
| CN110633330A (zh) * | 2018-06-01 | 2019-12-31 | 北京百度网讯科技有限公司 | 事件发现方法、装置、设备及存储介质 |
| WO2020007138A1 (zh) * | 2018-07-03 | 2020-01-09 | 腾讯科技（深圳）有限公司 | 一种事件识别的方法、模型训练的方法、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 钱铁云.关联文本分类关键技术研究.中国博士学位论文全文数据库.2008,(第3期),全文 . * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112650919A (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111625635B (zh) | 问答处理方法、装置、设备及存储介质 | |
| CN111221983B (zh) | 时序知识图谱生成方法、装置、设备和介质 | |
| CN110543574B (zh) | 一种知识图谱的构建方法、装置、设备及介质 | |
| CN108804512B (zh) | 文本分类模型的生成装置、方法及计算机可读存储介质 | |
| CN112507068B (zh) | 文档查询方法、装置、电子设备和存储介质 | |
| CN111966890B (zh) | 基于文本的事件推送方法、装置、电子设备和存储介质 | |
| CN111221984A (zh) | 多模态内容处理方法、装置、设备及存储介质 | |
| CN112507715A (zh) | 确定实体之间关联关系的方法、装置、设备和存储介质 | |
| CN112487814B (zh) | 实体分类模型训练方法、实体分类方法、装置及电子设备 | |
| US20210209416A1 (en) | Method and apparatus for generating event theme | |
| CN111967256B (zh) | 事件关系的生成方法、装置、电子设备和存储介质 | |
| CN111709247A (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
| CN111859982B (zh) | 语言模型的训练方法、装置、电子设备及可读存储介质 | |
| CN111967262A (zh) | 实体标签的确定方法和装置 | |
| CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
| US20220067439A1 (en) | Entity linking method, electronic device and storage medium | |
| CN112330455B (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
| CN112148881B (zh) | 用于输出信息的方法和装置 | |
| JP7163440B2 (ja) | テキストクエリ方法、装置、電子機器、記憶媒体及びコンピュータプログラム製品 | |
| CN112650919B (zh) | 实体资讯分析方法、装置、设备及存储介质 | |
| CN110717340B (zh) | 推荐方法、装置、电子设备及存储介质 | |
| CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
| CN112052397B (zh) | 用户特征生成方法、装置、电子设备及存储介质 | |
| CN112559747A (zh) | 事件分类处理方法、装置、电子设备和存储介质 | |
| CN106681716A (zh) | 智能终端及其应用程序的自动分类方法 |
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 |