申请/专利权人：内蒙古大学

申请日：2022-11-05

公开（公告）日：2023-10-27

公开（公告）号：CN115757775B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/186;G06N5/04;G06N3/0442;G06N3/047

优先权：

专利状态码：有效-授权

法律状态：2023.10.27#授权;2023.03.24#实质审查的生效;2023.03.07#公开

摘要：本发明提供一种基于文本蕴含的无触发词文本事件检测方法及系统，涉及事件检测技术领域。本发明首先通过构建事件类型‑假设描述性模板，将待检测文本的候选事件类型描述为假设；然后将待检测文本作为前提，并将该前提分别和上述各个假设拼接后输入自然语言推理模型中推理前提和各个假设间是否满足蕴含关系；最后输出和前提满足蕴含关系的假设所对应的事件类型即为待检测文本所属的事件类型。本发明可在小数据集的情况下实现事件类型的精准检测，降低了事件检测技术对样本数据质量和数量方面的依赖性。

主权项：1.一种基于文本蕴含的无触发词文本事件检测方法，其特征在于，所述方法包括：构建事件类型-假设描述性模板，基于所述事件类型-假设描述性模板将待检测文本的候选事件类型描述为多个不同的假设；将待检测文本作为前提，并将所述前提分别和各个所述假设拼接后输入自然语言推理模型中，推理所述前提和所述假设是否满足蕴含关系；输出和所述前提满足蕴含关系的所述假设所对应的事件类型作为待检测文本所属的事件类型；所述假设包括正例假设和负例假设；基于所述事件类型-假设描述性模板将待检测文本的候选事件类型描述为多个不同的假设包括：在所述事件类型-假设描述性模板中填入正确的候选事件生成正例假设，填入错误的候选事件则生成负例假设；所述自然语言推理模型包括：按照数据输入至输出的先后顺序逐一分布的嵌入层、Bi-LSTM层、注意力机制，以及输出层；其中，所述嵌入层用于将由前提和假设拼接而成的输入文本转化为向量；所述Bi-LSTM层用于将由嵌入层输入的向量进行前向、后向学习，并将经过前向、后向学习的向量拼接为一个向量；所述注意力机制用于计算Bi-LSTM层输出的所有向量的矩阵中每个单词对应的权重和最终文本对应的语义向量；所述输出层根据语义向量计算前提和假设满足蕴含关系的得分并将得分转化为概率。

全文数据：

权利要求：

百度查询： 内蒙古大学 基于文本蕴含的无触发词文本事件检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD