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 PDFInfo
- 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
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
Description
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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)
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 |
-
2020
- 2020-06-30 CN CN202010616899.5A patent/CN111967256B/zh active Active
- 2020-11-27 US US17/105,707 patent/US11573992B2/en active Active
- 2020-12-03 EP EP20211583.8A patent/EP3933659A1/en not_active Withdrawn
- 2020-12-24 KR KR1020200182992A patent/KR20220002050A/ko not_active Application Discontinuation
- 2020-12-25 JP JP2020217633A patent/JP7264866B2/ja active Active
Patent Citations (1)
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 |