JP2022013600A - イベント関係の生成方法、装置、電子機器及び記憶媒体 - Google Patents

イベント関係の生成方法、装置、電子機器及び記憶媒体 Download PDF

Info

Publication number
JP2022013600A
JP2022013600A JP2020217633A JP2020217633A JP2022013600A JP 2022013600 A JP2022013600 A JP 2022013600A JP 2020217633 A JP2020217633 A JP 2020217633A JP 2020217633 A JP2020217633 A JP 2020217633A JP 2022013600 A JP2022013600 A JP 2022013600A
Authority
JP
Japan
Prior art keywords
event
vector
particle size
word sequence
size word
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.)
Granted
Application number
JP2020217633A
Other languages
English (en)
Other versions
JP7264866B2 (ja
Inventor
シャンルウ ゾン
Shangru Zhong
ユーグアン チェン
Yuguang Chen
ウェイホア ペン
Weihua Peng
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of JP2022013600A publication Critical patent/JP2022013600A/ja
Application granted granted Critical
Publication of JP7264866B2 publication Critical patent/JP7264866B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • 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
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • 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
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

【課題】イベント関係の生成方法、装置、電子機器及び記憶媒体を提供する。【解決手段】方法は、第１のイベント語句と第２のイベント語句を取得し、第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成し、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成し、第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定する。【選択図】図１

Description

本出願は、コンピュータ技術分野に関し、主に知識グラフ、自然言語処理及び深層学習技術分野に関し、具体的にイベント関係の生成方法、装置、電子機器及び記憶媒体に関する。
イベントは特定の時空で、１つまたは複数の役割（イベント主体）が参加し、あるテーマを中心に展開される一連の活動である。イベントとイベントの間には、因果関係などの関係がある。イベント間の因果関係は、論理または相関の観点からイベントの進化の法則を説明することができる。イベント間の因果関係は、事理の進化の法則に要約することができ、事理の進化の法則に基づいて関連推論を行うことができ、これは金融、風制御などの予測シーンで重要な応用価値を発揮することができる。
したがって、イベント間の関係をいかに正確に決定するかは、早急に解決すべき技術的な問題である。
本出願は、イベント関係の生成のための方法、装置、電子機器及び記憶媒体を提供して、イベント間のイベント関係の決定の正確性と泛化性を向上させる。
本出願の一態様によれば、イベント関係の生成方法を提供し、
イベントペアを取得するステップであって、前記イベントベアは第１のイベント語句と第２のイベント語句を含むステップと、
前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するステップと、
前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するステップと、
前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を生成するステップと、を含む。
本出願の別の態様によれば、イベント関係の生成装置を提供し、
イベントペアを取得するための取得モジュールであって、前記イベントベアは第１のイベント語句と第２のイベント語句を含む取得モジュールと、
前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するための第１の生成モジュールと、
前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するための第２の生成モジュールと、
前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するための決定モジュールと、を含む。
本出願の別の態様によれば、電子機器を提供し、少なくとも一つのプロセッサと、前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を含み、前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが第１の側面に記載のイベント関係の生成方法を実行する。
本出願の別の態様によれば、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体をさらに提供し、前記コンピュータ命令は、前記コンピュータに第１の側面に記載のイベント関係の生成方法を実行させる。 本開示の別の態様によれば、コンピュータプログラムを提供し、前記コンピュータプログラムにおける命令が実行された場合に、本出願の実施例のイベント関係の生成方法が実行される。
本出願の実施例により提供される技術案は、以下のような有益な効果を有することができる。
イベントペアを取得し、ここで、イベントベアは第１のイベント語句と第２のイベント語句を含み、第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成し、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成し、第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定し、本出願において、イベント語句に対して、異なる粒度のワードシーケンスベクトルに基づいて、イベント語句に対応する融合ベクトルを決定し、融合ベクトルに比較的泛化されたイベントの特徴が含まれるようにして、イベント間のイベント関係の決定の正確性と泛化性を向上させる。
なお、本部分に記載された内容は、本出願の実施例の肝心または重要な特徴を限定することを意図するものではなく、本出願の範囲を限定することを意図するものでもない。本出願の他の特徴は、以下の説明によって容易に理解されやすくなる。
図面は、本技術案をよりよく理解するために使用されており、本出願の限定を構造するものではない。
本出願の実施例により提供されるイベント関係の生成方法のフローチャートである。 本出願の実施例により提供されるもう一つのイベント関係の生成方法のフローチャートである。 本出願の実施例により提供されるもう一つのイベント関係の生成方法のフローチャートである。 本出願の実施例のイベント関係図の概略図である。 本出願の実施例により提供されるイベント関係の生成装置の概略構造図である。 本出願の実施例のイベント関係の生成方法の電子機器のブロック図である。
以下、図面を組み合わせて本出願の例示的な実施例を説明し、理解を容易にするためにその中には本出願の実施例の様々な詳細事項を含んでおり、それらは単なる例示的なものと見なされるべきである。したがって、当業者は、本出願の範囲及び精神から逸脱することなく、ここで説明される実施例に対して様々な変更と修正を行うことができることを認識されたい。同様に、明確及び簡潔するために、以下の説明では、周知の機能及び構造の説明を省略する。
以下、図面を参照して本出願の実施例のイベント関係の生成方法、装置、電子機器及び記憶媒体を説明する。
図１は本出願の実施例により提供されるイベント関係の生成方法のフローチャートである。
図１に示すように、当該方法は、以下のステップを含む。
ステップ１０１：イベントペアを取得し、ここで、イベントベアは第１のイベント語句と第２のイベント語句を含む。
ここで、イベントペアは、決定待ちイベント間のイベント関係のイベントベアである。区別を容易にするために、第１のイベント語句と第２のイベント語句と呼ばれる。
例えば、第１のイベント語句は「今日、ある大統領が伊国に対する制裁を開始しました」であり、第２のイベント語句は「中東の原油価格は高騰している」であり、または、第１のイベント語句は「今日、ある大統領が伊国に対する制裁を開始しました」であり、第２のイベント語句は「伊国の混血美女がミスユニバースチャンピオンシップを獲得した」である。
ステップ１０２：第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成する。
ここで、第１の粒度と第２の粒度は異なり、第１の粒度ワードシーケンスベクトルには文字のベクトルが含まれており、文字ごとの意味が含まれ、第２の粒度ワードシーケンスベクトルには完全なイベント意味の表現が含まれている。
一つの可能的な実現方式として、第１の粒度は第１のイベント語句をカットワードして複数のワードのワード粒度を取得して、複数のワードに基づいて第１のイベント語句の第１の粒度ワードシーケンスを取得し、第２の粒度は、第１のイベント語句がイベント論元（ａｒｇｕｍｅｎｔ）に従ってイベント抽出を行って取得された論元粒度であり、論元粒度に基づいて第１のイベント語句の第２の粒度ワードシーケンスを生成する。
例えば、第１のイベント語句は：近日、ある大統領が伊国に対する制裁を開始しましたということである。
第１の粒度ワードシーケンス：今日、ある大統領、伊国、制裁、開始ということであり、
第２の粒度ワードシーケンス：イベント主体：ある大統領、トリガーワード：制裁ということである。
さらに、第１のイベント語句の第１の粒度ワードシーケンス及び第２の粒度ワードシーケンスを対応する第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに転化して、第１の粒度ワードシーケンスベクトルを例として説明する。本出願の一つの実施例において、ワードベクトルモデルＷｏｒｄ Ｅｍｂｅｄｄｉｎｇを採用してもよく、例えば、ｗｏｒｄ２ｖｅｃモデルによって、第１の粒度ワードシーケンスにおける各ワードを予め設定された次元のワードベクトルに転化し、各ワードのワードベクトルに基づいて、累積して、第１の粒度ワードシーケンスベクトルを生成し、つまり第１の粒度ワードシーケンスベクトルは各ワードのワードベクトルを含む。
もう一つの可能的な実現方式として、意味表現モデル（Ｅｎｈａｎｃｅｄ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｆｒｏｍ ｋｎｏｗｌｅｄｇｅ Ｉｎｔｅｇｒａｔｉｏｎ）などのトレーニングして取得されたディープニューラルネットワークモデルを採用して各ワードをワードベクトルを生成してもよく、意味表現モデルによって生成されたワードベクトルは、ワードの意味情報及びコンテキスト情報を含むことができ、後続のイベント関係の決定の正確性を向上させることができる。さらに、各ワードのワードベクトルに基づいて、累積して、第１の粒度ワードシーケンスベクトルを生成する。
同様に、第２の粒度ワードシーケンスベクトルを生成することができ、原理が同じなので、ここでは説明を省略する。
第３の粒度と第４の粒度も異なり、本出願の一つの実施例において、第３の粒度と第４の粒度は、第１の粒度と第２の粒度に対応する２つの粒度であり、具体的に第１の粒度と第２の粒度の説明を参照して、対応する第３の粒度ワードシーケンスベクトルと第４の粒度ワードシーケンスベクトルを生成することができ、原理が同じなので、ここでは説明を省略する。
ステップ１０３：第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成する。
本実施例において、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第１のイベント語句に対して、異なる粒度のワードシーケンスベクトルに基づいて、第１のイベント語句に対応する第１の融合ベクトルを決定し、第１の融合ベクトルにより多くの情報を携帯するとともに、比較的泛化されたイベントの特徴が含まれるようにすることを実現する。同様に、第２のイベント語句も、異なる粒度のワードシーケンスベクトルに基づいて、第２のイベント語句に対応する第２の融合ベクトルを決定し、第２の融合ベクトルにより多くの情報を携帯するとともに、比較的泛化されたイベントの特徴が含まれるようにして、イベント間のイベント関係の決定の正確性と泛化性を向上させることができる。
ステップ１０４：第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定する。
ここで、イベント関係には、因果関係、進行関係、遷移関係などが含まれ、本実施例はこれに限定されない。
本出願の一つの実施例において、トレーニングされた識別モデルによって、識別モデルはイベント関係に対応する識別モデルであってもよく、例えば、識別モデルはイベント間に因果関係があるか否かを識別するために用いられ、または識別モデルはイベント間に遷移関係があるか否かを識別するために用いられるなど、つまり識別モデルは、識別されるイベント関係に基づいて、イベントの融合ベクトル及びイベント関係の対応関係を予め学習し、当該識別モデルに基づいて、第１のイベントと第２のイベントの間のイベント関係を決定することができる。
本出願のイベント間のイベント関係の生成方法において、第１のイベント語句と第２のイベント語句を取得し、第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成し、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成し、第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定する。本出願において異なる粒度のワードシーケンスベクトルに基づいて決定されたイベント語句の融合ベクトルは、比較的泛化されたイベントの特徴が含まれて、イベント間のイベント関係の決定の正確性と泛化性を向上させる。
上記実施例は、第１のイベント語句に基づいて、２種類の粒度のワードシーケンスベクトルが生成されることを説明し、本出願において２種類の粒度のワードシーケンスベクトルがどのように生成されるかを具体的に説明する。上記実施例に基づいて、図２は本出願の実施例により提供されるもう一つのイベント関係の生成方法のフローチャートである。
図２に示すように、上記ステップ１０２は、以下のステップを含む。
ステップ２０１：第１のイベント語句に対して文法順にイベント抽出を行って、第１の粒度ワードシーケンスを生成し、第１の粒度ワードシーケンスをベクトル変換して第１の粒度ワードシーケンスベクトルを生成する。
本出願の一つの実施例において、第１のイベント語句に対して文法順にカットワード処理して、
当該センテンスで含まれる複数のワードを取得し、センテンスにおける複数のワードの文法順及び位置に従って、複数のワードが含まれる第１の粒度ワードシーケンスを取得する。
さらに、第１のイベント語句の第１の粒度ワードシーケンス及び第２の粒度ワードシーケンスを対応する第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに転化して、第１の粒度ワードシーケンスベクトルを例として説明する。本出願の一つの実施例において、ワードベクトルモデルＷｏｒｄ Ｅｍｂｅｄｄｉｎｇを採用してもよく、例えば、ｗｏｒｄ２ｖｅｃモデルによって、第１の粒度ワードシーケンスにおける各ワードを予め設定された次元のワードベクトルに転化し、各ワードのワードベクトルに基づいて、累積して、第１の粒度ワードシーケンスベクトルを生成し、つまり第１の粒度ワードシーケンスベクトルは各ワードのワードベクトルを含む。
もう一つの可能的な実現方式として、意味表現モデル（Ｅｎｈａｎｃｅｄ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｆｒｏｍ ｋｎｏｗｌｅｄｇｅ Ｉｎｔｅｇｒａｔｉｏｎ）などのトレーニングして取得されたディープニューラルネットワークモデルを採用して各ワードをワードベクトルを生成してもよく、意味表現モデルによって生成されたワードベクトルは、ワードの意味情報及びコンテキスト情報を含むことができ、後続のイベント関係の決定の正確性を向上させることができる。
さらに、第１の粒度ワードシーケンスにおける各ワードのワードベクトルに基づいて、累積して、第１の粒度ワードシーケンスベクトルを生成する。
例えば、第１のイベント語句は：近日、ある大統領が伊国に対する制裁を開始しましたということである。
第１の粒度ワードシーケンス：今日、ある大統領、伊国、制裁、開始ということである。
上記方法に従って第１の粒度ワードシーケンスをベクトル変換して第１の粒度ワードシーケンスベクトルを生成し、以下のように：
第１の粒度ワードシーケンスベクトルは：ｖ（ある大統領）＋ｖ（伊国）＋（制裁）ということである。
ここで、ｖ（ワード）は、対応するワードに対応するワードベクトルを示し、各ワードのワードベクトルを加算して、対応する第１の粒度ワードシーケンスベクトルを生成する。
ステップ２０２：第１のイベント語句に対して、イベント論元に従ってイベント抽出を行って、第２の粒度ワードシーケンスを生成し、第２の粒度ワードシーケンスをベクトル変換して第２の粒度ワードシーケンスベクトルを生成する。
ここで、イベント論元抽出技術に従って、第１のイベント語句を抽出してイベント論元情報を取得し、ここで、イベント論元情報は、イベント主体、イベントトリガーワード、イベント属性などを含み、ここで、イベント主体は、施事主体と受事主体に分けることもでき、ここで、施事主体は動詞で指示される動作、行為または活動の発行者であり、受事主体は動作、行為または活動の受取者であり、施事属性は施事主体が人又は事物であることを指し、施事数量は施事主体がの数量を指し、受事数量は受事主体の数量を指し、トリガーワードはイベントを発生させるワードを指す。
例えば、第１のイベント語句は：近日、ある大統領が伊国に対する制裁を開始しましたということであり、イベント論元に従ってイベント抽出を行って生成された第２の粒度ワードシーケンスは：イベント主体：ある大統領、トリガーワード：制裁ということである。
上記方法に従って第２の粒度ワードシーケンスをベクトル変換して第２の粒度ワードシーケンスベクトルを生成し、以下のように：
第２の粒度ワードシーケンスベクトルは：ｖ（イベント主体）＋ｖ（ある大統領）＋ｖ（トリガーワード）＋（制裁）であり、ここで、ｖ（ワード）は、対応するワードに対応するワードベクトルを示し、各ワードのワードベクトルを加算して、対応する第２の粒度ワードシーケンスベクトルを生成する。
本実施例において、イベント論元粒度の第２の粒度ワードシーケンスベクトルは、イベント意味に第１のイベント語句を表現することができ、イベント関係の正確な決定を実現することができ、従来の主述賓のイベント関係表現技術案と比較して、論元粒度の第２の粒度ワードシーケンスベクトルで表現される意味はより完全であり、例えば、「黄金価格上昇」は主述賓に基づいて、抽出可能なシーケンスは「価格上昇」であり、イベント論元に従ってイベント抽出を行うことに基づいて取得可能なシーケンスは「主体＝黄金、属性＝価格、トリガーワード＝上昇」である。
本実施例のイベント関係の生成方法において、第１のイベント語句に対して、異なる粒度を採用してイベント抽出及びベクトル転化を行った後、ワード粒度の第１の粒度ワードシーケンスベクトル、及びイベント論元情報粒度の第２の粒度ワードシーケンスベクトルをそれぞれ取得し、第２の粒度ワードシーケンスベクトルはより完全及びより泛化された第１のイベント語句の意味表現を含むので、候補イベント関係の決定の正確性を向上させることができる。
上記実施例に基づいて、上記ステップ１０２において、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するステップは、
第２のイベント語句に対して文法順にイベント抽出を行って、第３の粒度ワードシーケンスを生成し、第３の粒度ワードシーケンスをベクトル変換して第３の粒度ワードシーケンスベクトルを生成するステップと、
第２のイベント語句に対して、イベント論元に従ってイベント抽出を行って、第４の粒度ワードシーケンスを生成し、第４の粒度ワードシーケンスをベクトル変換して第４の粒度ワードシーケンスベクトルを生成するステップと、によって実現することができる。
具体的には、上記実施例におけるステップ２０１～ステップ２０２の説明を参照することができ、原理が同じなので、ここでは説明を省略する。
本実施例のイベント関係の生成方法において、第２のイベント語句に対して、異なる粒度を採用してイベント抽出及びベクトル転化を行った後、ワード粒度の第３の粒度ワードシーケンスベクトル、及びイベント論元情報粒度の第４の粒度ワードシーケンスベクトルをそれぞれ取得し、第３の粒度ワードシーケンスベクトルはより完全及びより泛化された第２のイベント語句の意味表現を含むので、候補イベント関係の決定の正確性を向上させることができる。
上記実施例に基づいて、図３は本出願の実施例により提供されるもう一つのイベント関係の生成方法のフローチャートである。
図３に示すように、上記ステップ１０３は以下のステップを含む。
ステップ３０１：第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて、第１のイベント語句の特徴ベクトルを生成する。
本出願の一つの実施例において、第１の粒度ワードシーケンスベクトルと第２の粒度ワードシーケンスベクトルを接合して、第１のイベント語句の特徴ベクトルを取得する。
例えば、第１の粒度ワードシーケンスベクトルは「１、２、３、４」であり、第２の粒度ワードシーケンスベクトルは「５、６、７、８、９」であり、接合して取得された第１のイベント語句の特徴ベクトルは「１、２、３、４、５、６、７、８、９」である。
ステップ３０２：イベント関係図を取得し、イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられる。
ここで、イベント関係図は予め作成されるものであり、イベント関係図は、異なるイベント語句間の関係の知識グラフを構成し、ここで、エッジによって異なるイベント語句が接続され、すなわちエッジの方式で異なるイベント語句間にイベント関係が存在することを指示して、後続の当該イベント関係に基づく知識グラフを実現し、一つのイベントの特徴ベクトルにおいて、隣接する他のイベントの特徴ベクトルを集約し、各イベントの特徴ベクトルで含まれる情報を向上させる。本実施例ではイベント関係が因果関係であることを例として説明する。
例えば、イベント語句ｅ１とイベント語句ｅ２には因果関係があり、例えば「近日、ある大統領が伊国に対する制裁を開始しました」ことは「中東の原油価格は高騰している」を招き、イベント語句ｅ２とイベント語句ｅ３には因果関係があり、「中東の原油価格は高騰している」ことは「金融市場におけるリスク回避の気持ちが高まっている」を招く。次に、イベント因果図を抽象化することができ：ｅ１－＞ｅ２－＞ｅ３、図４に示すように、イベント因果図におけるノード１はイベント語句ｅ１を表し、ノード２はイベント語句ｅ２を表し、ノード３はイベント語句ｅ３を表し、及びノード４はイベント語句ｅ４を表し、イベント因果図における２つのノードを接続するエッジは、２つのイベント語句間に因果関係があることを表し、あるノードとエッジによって接続された複数の他のノードは当該ノードの隣接ノードである。
ステップ３０３：イベント関係図に基づいて、エッジによって第１のイベント語句に接続された目標イベント語句を決定する。
図４に示すように、ノード１は第１のイベント語句を表しており、エッジによってノード１に接続されたノードはノード２及びノード３であり、つまりノード２に対応するイベント語句及びノード３に対応するイベント語句は、第１のイベント語句とにイベント関係がある目標イベント語句である。
ステップ３０４：第１のイベント語句の特徴ベクトル及び目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、第１のイベント語句の第１の融合ベクトルを取得する。
本実施例において、目標イベント語句の特徴ベクトルの生成方法は第１のイベント語句の特徴ベクトルの生成方法と同じなので、ここでは説明を省略する。
ここで、グラフ学習モデルは、グラフ畳み込みニューラルネットワーク（Ｇｒａｐｈ ＣｏｎｖｏｌｕｔｉｏｎＮｅｔｗｏｒｋ、ＧＣＮ）、ＧｒａｐｈＳａｇｅアルゴリズム及びグラフアテンションモデル（ＧｒａｐｈＡｔｔｅｎｔｉｏｎＮｅｔｗｏｒｋ、ＧＡＮ）であってもよい。計算効率及び未知ノードへの泛化能力を考慮して、本出願はＧｒａｐｈＳａｇｅモデルをグラフ学習モデルとして選択する。
本実施例において、第１のイベント語句の特徴ベクトル及び目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、グラフ学習モデルに第１のイベント語句の特徴ベクトル及び第１のイベント語句とにイベント関係がある少なくとも１つの目標イベント語句の特徴を集約融合させて、第１のイベント語句の第１の融合ベクトルを出力し、イベント関係がある語句間の特徴はこのようなイベント関係を指示するために用いられることができるため、第１のイベント語句自身の特徴ベクトルにイベント関係がある複数の他のイベント語句の特徴ベクトルを融合することにより、第１のイベント語句の第１の融合ベクトルに、より多く、より泛化されたイベント関係を決定するための特徴情報を含むようにする。
同様に、第２のイベント語句の第２の融合ベクトルを決定する場合、
第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて、第２のイベント語句の特徴ベクトルを生成するステップと、
イベント関係図を取得し、イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられるステップと、
イベント関係図に基づいて、エッジによって第２のイベント語句に接続された目標イベント語句を決定するステップと、
第２のイベント語句の特徴ベクトル及び目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、第２のイベント語句の第２の融合ベクトルを取得するステップと、によって決定することができる。
具体的に、第２のイベント語句の第２の融合ベクトルの生成方法は、第１のイベント語句の第１の融合ベクトルの生成方法を参照することができ、原理が同じなので、ここでは説明を省略する。
本実施例のイベント関係の生成方法において、各イベント語句に対して、２種類の異なる粒度のワードシーケンスベクトルを接合して対応するイベント語句の特徴ベクトルを取得し、イベント関係図に基づいて、対応するイベント語句とにイベント関係がある他の目標イベント語句の特徴ベクトルを集約して、対応するイベント語句の融合ベクトルを取得し、融合ベクトルには自身の特徴情報及び類似のイベント間のイベント関係の特徴が融合され、対応するイベント語句の融合ベクトルにより多く、より泛化されたイベント関係を決定するための特徴情報を含むようにし、イベント間のイベント関係の決定の正確性を向上させる。
上記実施例に基づいて、本実施例の一つの実施例において、第１のイベント語句の第１の融合ベクトル及び第２のイベント語句の第２の融合ベクトルを決定した後、第１の融合ベクトルと第２の融合ベクトルを接合して第３の融合ベクトルを生成し、第３の融合ベクトルに基づいてイベント関係を決定する。選択可能に、第１のイベント語句の第１の融合ベクトル及び第２のイベント語句の第２の融合ベクトルを全接続に入力し、全接続レイヤで決定された重みに基づいて、重み付き接合を行い、第３の融合ベクトルを取得し、第３の融合ベクトルを分類レイヤを通して、第１のイベント語句と第２のイベント語句との間にイベント関係があるかどうかの確率を示す２次元ベクトルを出力し、確率に基づいて第１のイベント語句と第２のイベント語句との間にイベント関係があるかどうかを決定し、より多く、より泛化された意味特徴が含まれる第１の融合ベクトルと第２の融合ベクトルを融合して、イベント関係を決定することを実現し、泛化効果及び正確性を向上させる。
上記実施例を実現するために、本出願は、イベント関係の生成装置をさらに提供する。
図５は本出願の実施例により提供されるイベント間のイベント関係の生成装置の概略構造図である。
図５に示すように、当該装置は、取得モジュール４１と、第１の生成モジュール４２と、第２の生成モジュール４３と、決定モジュール４４と、を含む。
取得モジュール４１は、イベントペアを取得するために用いられ、ここで、前記イベントベアは第１のイベント語句と第２のイベント語句を含む。
第１の生成モジュール４２は、前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するために用いられる。
第２の生成モジュール４３は、前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するために用いられる。
決定モジュール４４は、前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するために用いられる。
本出願の実施例の一つの可能的な実現方式において、前記第１の生成モジュール４２は、具体的に、
前記第１のイベント語句に対して文法順にイベント抽出を行って、前記第１の粒度ワードシーケンスを生成し、前記第１の粒度ワードシーケンスをベクトル変換して前記第１の粒度ワードシーケンスベクトルを生成し、前記第１のイベント語句に対して、イベント論元に従ってイベント抽出を行って、前記第２の粒度ワードシーケンスを生成し、前記第２の粒度ワードシーケンスをベクトル変換して前記第２の粒度ワードシーケンスベクトルを生成するために用いられる。
本出願の実施例の一つの可能的な実現方式において、前記第１の生成モジュール４２は、具体的に、
前記第２のイベント語句に対して文法順にイベント抽出を行って、前記第３の粒度ワードシーケンスを生成し、前記第３の粒度ワードシーケンスをベクトル変換して前記第３の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に対して、イベント論元に従ってイベント抽出を行って、前記第４の粒度ワードシーケンスを生成し、前記第４の粒度ワードシーケンスをベクトル変換して前記第４の粒度ワードシーケンスベクトルを生成するためにも用いられる。
本出願の実施例の一つの可能的な実現方式において、前記第２の生成モジュール４３は、具体的に、
前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて、前記第１のイベント語句の特徴ベクトルを生成し、イベント関係図を取得し、前記イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、前記異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられ、前記イベント関係図に基づいて、エッジによって前記第１のイベント語句に接続された目標イベント語句を決定し、前記第１のイベント語句の特徴ベクトル及び前記目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、前記第１のイベント語句の第１の融合ベクトルを取得するために用いられる。
本出願の実施例の一つの可能的な実現方式において、前記第２の生成モジュール４３は、具体的に、
前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて、前記第２のイベント語句の特徴ベクトルを生成し、イベント関係図を取得し、前記イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、前記異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられ、前記イベント関係図に基づいて、エッジによって前記第２のイベント語句に接続された目標イベント語句を決定し、前記第２のイベント語句の特徴ベクトル及び前記目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、前記第２のイベント語句の第２の融合ベクトルを取得するためにも用いられる。
本出願の実施例の一つの可能的な実現方式において、前記決定モジュール４４は、具体的に、
前記第１の融合ベクトルと前記第２の融合ベクトルを接合して第３の融合ベクトルを生成し、前記第３の融合ベクトルに基づいて前記イベント関係を決定するために用いられる。
なお、上記のイベント関係の生成方法の実施例の説明は、本実施例のイベント関係の生成装置にも適用され、原理が同じなので、ここでは説明を省略する。
本出願のイベント関係の生成装置において、第１のイベント語句と第２のイベント語句を取得し、第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成し、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成し、第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定する。本出願において異なる粒度のワードシーケンスベクトルに基づいて決定されたイベント語句の融合ベクトルは、比較的泛化されたイベントの特徴が含まれて、イベント間のイベント関係の決定の正確性と泛化性を向上させる。
上記実施例を実現するために、本出願の実施例は、電子機器を提供し、少なくとも一つのプロセッサと、前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を含み、前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが上記方法の実施例に記載のイベント関係の生成方法を実行する。
上記実施例を実現するために、本出願の実施例は、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体をさらに提供し、前記コンピュータ命令は、前記コンピュータに上記方法の実施例に記載のイベント関係の生成方法を実行させる。
本出願の実施例によれば、本出願は、電子機器及び読み取り可能な記憶媒体をさらに提供する。本出願の実施例によれば、コンピュータプログラムが提供される。当該コンピュータプログラムにおける命令が実行された場合に、上記イベント関係の生成方法が実行される。
図６に示すように、それは本出願の実施例に係るイベント関係の生成方法の電子機器のブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ、及び他の適切なコンピュータなどの様々な形式のデジタルコンピュータを表すことを目的とする。電子機器は、パーソナルデジタル処理、携帯電話、スマートフォン、ウェアラブルデバイス、他の同様のコンピューティングデバイスなどの様々な形式のモバイルデバイスを表すこともできる。本明細書で示されるコンポーネント、それらの接続と関係、及びそれらの機能は単なる例であり、本明細書の説明及び／又は要求される本出願の実現を制限することを意図したものではない。
図６に示すように、当該電子機器は、一つ又は複数のプロセッサ６０１と、メモリ６０２と、高速インターフェースと低速インターフェースを含む各コンポーネントを接続するためのインターフェースと、を含む。各コンポーネントは、異なるバスで相互に接続され、共通のマザーボードに取り付けられるか、又は必要に基づいて他の方式で取り付けることができる。プロセッサは、外部入力／出力装置（インターフェースに結合されたディスプレイデバイスなど）にＧＵＩの図形情報をディスプレイするためにメモリに記憶されている命令を含む、電子機器内に実行される命令を処理することができる。他の実施方式では、必要であれば、複数のプロセッサ及び／又は複数のバスを、複数のメモリと複数のメモリとともに使用することができる。同様に、複数の電子機器を接続することができ、各電子機器は、部分的な必要な操作（例えば、サーバアレイ、ブレードサーバ、又はマルチプロセッサシステムとする）を提供することができる。図６では、一つのプロセッサ６０１を例とする。
メモリ６０２は、本出願により提供される非一時的なコンピュータ読み取り可能な記憶媒体である。その中、前記メモリには、少なくとも一つのプロセッサによって実行される命令を記憶して、前記少なくとも一つのプロセッサが本出願により提供されるイベント関係の生成方法を実行することができるようにする。本出願の非一時的なコンピュータ読み取り可能な記憶媒体は、コンピュータが本出願により提供されるイベント関係の生成方法を実行するためのコンピュータ命令を記憶する。
メモリ６０２は、非一時的なコンピュータ読み取り可能な記憶媒体として、本出願の実施例におけるイベント関係の生成方法に対応するプログラム命令／モジュール（例えば、図５に示す取得モジュール４１、第１の生成モジュール４２、第２の生成モジュール４３及び決定モジュール４４）ように、非一時的なソフトウェアプログラム、非一時的なコンピュータ実行可能なプログラム及びモジュールを記憶するために用いられる。プロセッサ６０１は、メモリ６０２に記憶されている非一時的なソフトウェアプログラム、命令及びモジュールを実行することによって、サーバの様々な機能アプリケーション及びデータ処理を実行し、すなわち上記の方法の実施例におけるイベント関係の生成方法を実現する。
メモリ６０２は、ストレージプログラム領域とストレージデータ領域とを含むことができ、その中、ストレージプログラム領域は、オペレーティングシステム、少なくとも一つの機能に必要なアプリケーションプログラムを記憶することができ、ストレージデータ領域は、イベント関係の生成方法に基づく電子機器の使用によって作成されたデータなどを記憶することができる。また、メモリ６０２は、高速ランダム存取メモリを含むことができ、非一時的なメモリをさらに含むことができ、例えば、少なくとも一つのディスクストレージデバイス、フラッシュメモリデバイス、又は他の非一時的なソリッドステートストレージデバイスである。いくつかの実施例では、メモリ６０２は、プロセッサ６０１に対して遠隔に設置されたメモリを含むことができ、これらの遠隔メモリは、ネットワークを介してイベント関係の生成方法の電子機器に接続されることができる。上記のネットワークの例は、インターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク、及びその組み合わせを含むが、これらに限定しない。
イベント関係の生成方法の電子機器は、入力装置６０３と出力装置６０４とをさらに含むことができる。プロセッサ６０１、メモリ６０２、入力装置６０３、及び出力装置６０４は、バス又は他の方式を介して接続することができ、図６では、バスを介して接続することを例とする。
入力装置６０３は、入力された数字又は文字情報を受信することができ、及びイベント関係の生成方法の電子機器のユーザ設置及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、指示杆、一つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置である。出力装置６０４は、ディスプレイデバイス、補助照明デバイス（例えば、ＬＥＤ）、及び触覚フィードバックデバイス（例えば、振動モータ）などを含むことができる。当該ディスプレイデバイスは、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、及びプラズマディスプレイを含むことができるが、これらに限定しない。いくつかの実施方式では、ディスプレイデバイスは、タッチスクリーンであってもよい。
本明細書で説明されるシステムと技術の様々な実施方式は、デジタル電子回路システム、集積回路システム、特定用途向けＡＳIＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現することができる。これらの様々な実施方式は、一つ又は複数のコンピュータプログラムで実施されることを含むことができ、当該一つ又は複数のコンピュータプログラムは、少なくとも一つのプログラマブルプロセッサを含むプログラム可能なシステムで実行及び／又は解釈されることができ、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも一つの入力装置、及び少なくとも一つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも一つの入力装置、及び当該少なくとも一つの出力装置に伝送することができる。
これらのコンピューティングプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとも呼ばれる）は、プログラマブルプロセッサの機械命令、高レベルのプロセス及び／又はオブジェクト指向プログラミング言語、及び／又はアセンブリ／機械言語でこれらのコンピューティングプログラムを実施することを含む。本明細書に使用されるように、用語「機械読み取り可能な媒体」及び「コンピュータ読み取り可能な媒体」は、機械命令及び／又はデータをプログラマブルプロセッサに提供するために使用される任意のコンピュータプログラム製品、機器、及び／又は装置（例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ＰＬＤ））を指し、機械読み取り可能な信号である機械命令を受信する機械読み取り可能な媒体を含む。用語「機械読み取り可能な信号」は、機械命令及び／又はデータをプログラマブルプロセッサに提供するための任意の信号を指す。
ユーザとのインタラクションを提供するために、コンピュータ上でここで説明されているシステム及び技術を実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置は、ユーザとのインタラクションを提供するために用いられることもでき、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、任意の形式（音響入力と、音声入力と、触覚入力とを含む）でユーザからの入力を受信することができる。
ここで説明されるシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバとする）、又はミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）、又はフロントエンドコンポーネントを含むコンピューティングシステム（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施方式とインタラクションする）、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムで実施することができる。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によってシステムのコンポーネントを相互に接続されることができる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）と、ワイドエリアネットワーク（ＷＡＮ）と、インターネットとを含む。
コンピュータシステムは、クライアントとサーバとを含むことができる。クライアントとサーバは、一般に、互いに離れており、通常に通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、互いにクライアント-サーバ関係を有するコンピュータプログラムによってクライアントとサーバとの関係が生成される。
本出願の実施例の技術案によれば、第１のイベント語句と第２のイベント語句を取得し、第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成し、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成し、第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定する。本出願において異なる粒度のワードシーケンスベクトルに基づいて決定されたイベント語句の融合ベクトルは、比較的泛化されたイベントの特徴が含まれて、イベント間のイベント関係の決定の正確性と泛化性を向上させる。
上記に示される様々な形式のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、本出願に記載されている各ステップは、並列に実行されてもよいし、順次的に実行されてもよいし、異なる順序で実行されてもよいが、本出願で開示されている技術案が所望の結果を実現することができれば、本明細書では限定されない。
上記の具体的な実施方式は、本出願に対する保護範囲の制限を構成するものではない。当業者は、設計要求と他の要因に基づいて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができる。任意の本出願の精神と原則内で行われる修正、同等の置換、及び改善などは、いずれも本出願の保護範囲内に含まれなければならない。
本出願の一態様によれば、イベント関係の生成方法を提供し、
イベントペアを取得するステップであって、前記イベントペアは第１のイベント語句と第２のイベント語句を含むステップと、
前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するステップと、
前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するステップと、
前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を生成するステップと、を含む。
本出願の別の態様によれば、イベント関係の生成装置を提供し、
イベントペアを取得するための取得モジュールであって、前記イベントペアは第１のイベント語句と第２のイベント語句を含む取得モジュールと、
前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するための第１の生成モジュールと、
前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するための第２の生成モジュールと、
前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するための決定モジュールと、を含む。
本出願の実施例により提供される技術案は、以下のような有益な効果を有することができる。
イベントペアを取得し、ここで、イベントペアは第１のイベント語句と第２のイベント語句を含み、第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成し、第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成し、第１の融合ベクトル及び第２の融合ベクトルに基づいて第１のイベントと第２のイベントの間のイベント関係を決定し、本出願において、イベント語句に対して、異なる粒度のワードシーケンスベクトルに基づいて、イベント語句に対応する融合ベクトルを決定し、融合ベクトルに比較的泛化されたイベントの特徴が含まれるようにして、イベント間のイベント関係の決定の正確性と泛化性を向上させる。
図１に示すように、当該方法は、以下のステップを含む。
ステップ１０１：イベントペアを取得し、ここで、イベントペアは第１のイベント語句と第２のイベント語句を含む。
ここで、イベントペアは、決定待ちイベント間のイベント関係のイベントペアである。区別を容易にするために、第１のイベント語句と第２のイベント語句と呼ばれる。
図５に示すように、当該装置は、取得モジュール４１と、第１の生成モジュール４２と、第２の生成モジュール４３と、決定モジュール４４と、を含む。
取得モジュール４１は、イベントペアを取得するために用いられ、ここで、前記イベントペアは第１のイベント語句と第２のイベント語句を含む。
第１の生成モジュール４２は、前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するために用いられる。
第２の生成モジュール４３は、前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するために用いられる。
決定モジュール４４は、前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するために用いられる。

Claims (15)

  1. イベント関係の生成方法であって、
    イベントペアを取得するステップであって、前記イベントベアは第１のイベント語句と第２のイベント語句を含むステップと、
    前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するステップと、
    前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するステップと、
    前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するステップと、
    を含む、
    ことを特徴とするイベント関係の生成方法。
  2. 前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成するステップは、
    前記第１のイベント語句に対して文法順にイベント抽出を行って、前記第１の粒度ワードシーケンスを生成し、前記第１の粒度ワードシーケンスをベクトル変換して前記第１の粒度ワードシーケンスベクトルを生成するステップと、
    前記第１のイベント語句に対して、イベント論元に従ってイベント抽出を行って、前記第２の粒度ワードシーケンスを生成し、前記第２の粒度ワードシーケンスをベクトル変換して前記第２の粒度ワードシーケンスベクトルを生成するステップと、
    を含む、
    ことを特徴とする請求項１に記載のイベント関係の生成方法。
  3. 前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するステップは、
    前記第２のイベント語句に対して文法順にイベント抽出を行って、前記第３の粒度ワードシーケンスを生成し、前記第３の粒度ワードシーケンスをベクトル変換して前記第３の粒度ワードシーケンスベクトルを生成ステップと、
    前記第２のイベント語句に対して、イベント論元に従ってイベント抽出を行って、前記第４の粒度ワードシーケンスを生成し、前記第４の粒度ワードシーケンスをベクトル変換して前記第４の粒度ワードシーケンスベクトルを生成するステップと、
    を含む、
    ことを特徴とする請求項１に記載のイベント関係の生成方法。
  4. 前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成するステップは、
    前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて、前記第１のイベント語句の特徴ベクトルを生成するステップと、
    イベント関係図を取得するステップであって、前記イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、前記異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられるステップと、
    前記イベント関係図に基づいて、エッジによって前記第１のイベント語句に接続された目標イベント語句を決定するステップと、
    前記第１のイベント語句の特徴ベクトル及び前記目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、前記第１のイベント語句の第１の融合ベクトルを取得するステップと、
    を含む、
    ことを特徴とする請求項１に記載のイベント関係の生成方法。
  5. 前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するステップは、
    前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて、前記第２のイベント語句の特徴ベクトルを生成するステップと、
    イベント関係図を取得するステップであって、前記イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、前記異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられるステップと、
    前記イベント関係図に基づいて、エッジによって前記第２のイベント語句に接続された目標イベント語句を決定するステップと、
    前記第２のイベント語句の特徴ベクトル及び前記目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、前記第２のイベント語句の第２の融合ベクトルを取得するステップと、
    を含む、
    ことを特徴とする請求項１に記載のイベント関係の生成方法。
  6. 前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するステップは、
    前記第１の融合ベクトルと前記第２の融合ベクトルを接合して第３の融合ベクトルを生成ステップと、
    前記第３の融合ベクトルに基づいて前記イベント関係を決定するステップと、
    を含む、
    ことを特徴とする請求項１に記載のイベント関係の生成方法。
  7. イベント関係の生成装置であって、
    イベントペアを取得するための取得モジュールであって、前記イベントベアは第１のイベント語句と第２のイベント語句を含む取得モジュールと、
    前記第１のイベント語句に基づいて第１の粒度ワードシーケンスベクトル及び第２の粒度ワードシーケンスベクトルを生成し、前記第２のイベント語句に基づいて第３の粒度ワードシーケンスベクトル及び第４の粒度ワードシーケンスベクトルを生成するための第１の生成モジュールと、
    前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて第１の融合ベクトルを生成し、前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて第２の融合ベクトルを生成するための第２の生成モジュールと、 前記第１の融合ベクトル及び前記第２の融合ベクトルに基づいて前記第１のイベントと第２のイベントの間のイベント関係を決定するための決定モジュールと、
    を含む、
    ことを特徴とするイベント関係の生成装置。
  8. 前記第１の生成モジュールは、具体的に、
    前記第１のイベント語句に対して文法順にイベント抽出を行って、前記第１の粒度ワードシーケンスを生成し、前記第１の粒度ワードシーケンスをベクトル変換して前記第１の粒度ワードシーケンスベクトルを生成し、及び
    前記第１のイベント語句に対して、イベント論元に従ってイベント抽出を行って、前記第２の粒度ワードシーケンスを生成し、前記第２の粒度ワードシーケンスをベクトル変換して前記第２の粒度ワードシーケンスベクトルを生成するために用いられる、
    ことを特徴とする請求項７に記載のイベント関係の生成装置。
  9. 前記第１の生成モジュールは、具体的に、
    前記第２のイベント語句に対して文法順にイベント抽出を行って、前記第３の粒度ワードシーケンスを生成し、前記第３の粒度ワードシーケンスをベクトル変換して前記第３の粒度ワードシーケンスベクトルを生成し、及び
    前記第２のイベント語句に対して、イベント論元に従ってイベント抽出を行って、前記第４の粒度ワードシーケンスを生成し、前記第４の粒度ワードシーケンスをベクトル変換して前記第４の粒度ワードシーケンスベクトルを生成するためにも用いられる、
    ことを特徴とする請求項７に記載のイベント関係の生成装置。
  10. 前記第２の生成モジュールは、具体的に、
    前記第１の粒度ワードシーケンスベクトル及び前記第２の粒度ワードシーケンスベクトルに基づいて、前記第１のイベント語句の特徴ベクトルを生成し、
    イベント関係図を取得し、前記イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、前記異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられ、
    前記イベント関係図に基づいて、エッジによって前記第１のイベント語句に接続された目標イベント語句を決定し、
    前記第１のイベント語句の特徴ベクトル及び前記目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、前記第１のイベント語句の第１の融合ベクトルを取得するために用いられる、
    ことを特徴とする請求項７に記載のイベント関係の生成装置。
  11. 前記第２の生成モジュールは、具体的に、
    前記第３の粒度ワードシーケンスベクトル及び前記第４の粒度ワードシーケンスベクトルに基づいて、前記第２のイベント語句の特徴ベクトルを生成し、
    イベント関係図を取得し、前記イベント関係図は各イベント語句、及び異なるイベント語句を接続するエッジを含み、前記異なるイベント語句を接続するエッジは、接続された異なるイベント語句間にイベント関係が存在することを指示するために用いられ、
    前記イベント関係図に基づいて、エッジによって前記第２のイベント語句に接続された目標イベント語句を決定し、
    前記第２のイベント語句の特徴ベクトル及び前記目標イベント語句の特徴ベクトルを、グラフ学習モデルに入力して、前記第２のイベント語句の第２の融合ベクトルを取得するためにも用いられる、
    ことを特徴とする請求項７に記載のイベント関係の生成装置。
  12. 前記決定モジュールは、具体的に、
    前記第１の融合ベクトルと前記第２の融合ベクトルを接合して第３の融合ベクトルを生成し、及び
    前記第３の融合ベクトルに基づいて前記イベント関係を決定するために用いられる、
    ことを特徴とする請求項７に記載のイベント関係の生成装置。
  13. 電子機器であって、
    少なくとも一つのプロセッサと、
    前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を含み、
    前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが請求項１～６のいずれかに記載のイベント関係の生成方法を実行する、 ことを特徴とする電子機器。
  14. コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
    前記コンピュータ命令は、前記コンピュータに請求項１～６のいずれかに記載のイベント関係の生成方法を実行させる、
    ことを特徴とするコンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体。
  15. コンピュータプログラムであって、
    前記コンピュータプログラムにおける命令が実行された場合に、請求項１～６のいずれかに記載のイベント関係の生成方法が実行される、
    ことを特徴とするコンピュータプログラム。
JP2020217633A 2020-06-30 2020-12-25 イベント関係の生成方法、装置、電子機器及び記憶媒体 Active JP7264866B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010616899.5 2020-06-30
CN202010616899.5A CN111967256B (zh) 2020-06-30 2020-06-30 事件关系的生成方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
JP2022013600A true JP2022013600A (ja) 2022-01-18
JP7264866B2 JP7264866B2 (ja) 2023-04-25

Family

ID=73361113

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020217633A Active JP7264866B2 (ja) 2020-06-30 2020-12-25 イベント関係の生成方法、装置、電子機器及び記憶媒体

Country Status (5)

Country Link
US (1) US11573992B2 (ja)
EP (1) EP3933659A1 (ja)
JP (1) JP7264866B2 (ja)
KR (1) KR20220002050A (ja)
CN (1) CN111967256B (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112562808B (zh) * 2020-12-11 2024-01-19 北京百度网讯科技有限公司 患者画像的生成方法、装置、电子设备及存储介质
US11544122B2 (en) * 2020-12-29 2023-01-03 Atlassian Pty Ltd. Systems and methods for identifying similar electronic content items
CN113761337B (zh) * 2020-12-31 2023-10-27 国家计算机网络与信息安全管理中心 基于事件隐式要素与显式联系的事件预测方法和装置
CN112819164B (zh) * 2021-02-02 2024-05-24 京东科技信息技术有限公司 事理图谱的推理方法、装置及计算机设备
CN113312490B (zh) * 2021-04-28 2023-04-18 乐山师范学院 一种针对突发事件的事件知识图谱构建方法
CN113254628A (zh) * 2021-05-18 2021-08-13 北京中科智加科技有限公司 事件关系的确定方法和装置
CN114936559B (zh) * 2022-01-05 2023-04-07 华能贵诚信托有限公司 一种基于多模型融合的多级事件抽取方法和抽取系统
CN114860886B (zh) * 2022-05-25 2023-07-18 北京百度网讯科技有限公司 生成关系图的方法和确定匹配关系的方法、装置
CN117094397B (zh) * 2023-10-19 2024-02-06 北京大数据先进技术研究院 一种基于短论元的细粒度事件信息抽取方法、装置和产品

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016170636A (ja) * 2015-03-12 2016-09-23 日本電信電話株式会社 接続関係推定装置、方法、及びプログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6590086B2 (ja) * 2016-02-29 2019-10-16 日本電気株式会社 情報処理システム、情報処理方法、及び、プログラム
US10839284B2 (en) * 2016-11-03 2020-11-17 Salesforce.Com, Inc. Joint many-task neural network model for multiple natural language processing (NLP) tasks
CN107783960B (zh) * 2017-10-23 2021-07-23 百度在线网络技术（北京）有限公司 用于抽取信息的方法、装置和设备
CN110209807A (zh) * 2018-07-03 2019-09-06 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
CN109726293B (zh) * 2018-11-14 2020-12-01 数据地平线（广州）科技有限公司 一种因果事件图谱构建方法、系统、装置及存储介质
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
CN111143576A (zh) * 2019-12-18 2020-05-12 中科院计算技术研究所大数据研究院 一种面向事件的动态知识图谱构建方法和装置
CN111160027A (zh) 2019-12-23 2020-05-15 杭州电子科技大学 基于语义注意力的循环神经网络事件时序关系识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016170636A (ja) * 2015-03-12 2016-09-23 日本電信電話株式会社 接続関係推定装置、方法、及びプログラム

Also Published As

Publication number Publication date
US11573992B2 (en) 2023-02-07
CN111967256A (zh) 2020-11-20
US20210406295A1 (en) 2021-12-30
KR20220002050A (ko) 2022-01-06
EP3933659A1 (en) 2022-01-05
CN111967256B (zh) 2023-08-04
JP7264866B2 (ja) 2023-04-25

Similar Documents

Publication Publication Date Title
JP7481251B2 (ja) テキスト中のイベント抽出方法、装置、電子機器及び記憶媒体
JP2022013600A (ja) イベント関係の生成方法、装置、電子機器及び記憶媒体
JP7166322B2 (ja) モデルを訓練するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム
JP7398402B2 (ja) 実体リンキング方法、装置、電子機器、記憶媒体およびコンピュータプログラム
JP7225273B2 (ja) マルチモーダルコンテンツ処理方法、装置、機器及び記憶媒体
US20210397947A1 (en) Method and apparatus for generating model for representing heterogeneous graph node
KR102565659B1 (ko) 정보 생성 방법 및 장치
JP7269913B2 (ja) ナレッジグラフ構築方法、装置、電子機器、記憶媒体およびコンピュータプログラム
JP2021190087A (ja) テキスト認識処理方法、装置、電子機器及び記憶媒体
CN111259671B (zh) 文本实体的语义描述处理方法、装置及设备
JP7091430B2 (ja) インタラクション情報推薦方法及び装置
JP2022018095A (ja) マルチモーダル事前訓練モデル取得方法、装置、電子デバイス及び記憶媒体
JP2022031804A (ja) イベント抽出方法、装置、電子機器及び記憶媒体
KR102521765B1 (ko) 인과 관계의 판별 방법, 장치, 전자 기기 및 저장 매체
KR102573637B1 (ko) 엔티티 링킹 방법, 장치, 전자 기기 및 기록 매체
JP2021101361A (ja) イベントトピックの生成方法、装置、機器及び記憶媒体
JP2021111334A (ja) 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器
CN111078878B (zh) 文本处理方法、装置、设备及计算机可读存储介质
US11216615B2 (en) Method, device and storage medium for predicting punctuation in text
CN111709252B (zh) 基于预训练的语义模型的模型改进方法及装置
CN111144108A (zh) 情感倾向性分析模型的建模方法、装置和电子设备
JP2021192289A (ja) 機械学習モデルの敵対的訓練方法、装置、電子機器及び媒体
JP2022028897A (ja) 文章翻訳方法、装置、電子機器及び記憶媒体
CN111611808A (zh) 用于生成自然语言模型的方法和装置
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
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201225

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210325

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220308

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220606

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220913

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230111

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20230111

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230117

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20230124

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230314

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230413

R150 Certificate of patent or registration of utility model

Ref document number: 7264866

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150