基于知识图谱的事件多标签分类方法、装置、设备及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115905538A(43)申请公布日2023.04.04(21)申请号202211601836.8G06F40/30(2020.01)(22)申请日2022.12.13G06N3/0464(2023.01)G06N3/08(2023.01)(71)申请人浙江大华技术股份有限公司地址310053浙江省杭州市滨江区滨安路1187号(72)发明人陈丽红范鹏召刘伟棠陈立力周明伟(74)专利代理机构北京同达信恒知识产权代理有限公司11291专利代理师赵凯莉(51)Int.Cl.G06F16/35(2019.01)G06F16/36(2019.01)G06F40/295(2020.01)G06F40/126(2020.01)权利要求书2页说明书13页附图3页(54)发明名称基于知识图谱的事件多标签分类方法、装置、设备及介质(57)摘要本申请公开了基于知识图谱的事件多标签分类方法、装置、设备及介质，本申请中，获取文本数据，并确定其中包含的各个实体、各个实体的属性和属性值，进而确定属性三元组和关系三元组。属性三元组和关系三元组能够包含文本数据中更多潜在的语义信息。因此根据属性三元组和关系三元组，构建文本数据对应的事件知识图谱，进而基于事件分类模型确定文本数据对应的事件类别，能够实现挖掘更多的语义信息进而实现事件准确分类。相较于基于词向量、关键词等技术手段进行事件分类的技术方案，提高了事件分类的准确性。CN115905538ACN115905538A权利要求书1/2页1.一种基于知识图谱的事件多标签分类方法，其特征在于，所述方法包括：获取文本数据，确定所述文本数据中包含的各个实体、所述各个实体的属性和属性值；根据所述各个实体、所述各个实体的属性和属性值确定属性三元组和关系三元组；根据所述属性三元组和关系三元组，构建所述文本数据对应的事件知识图谱；将所述事件知识图谱输入预先训练完成的事件分类模型，基于所述事件分类模型确定所述文本数据对应的事件类别。2.如权利要求1所述的方法，其特征在于，所述确定所述文本数据中包含的各个实体、所述各个实体的属性和属性值包括：将所述文本数据转化为第一嵌入向量，将所述第一嵌入向量输入双向编码器BERT模型进行编码，得到编码的第二嵌入向量；通过片段枚举的方式对所述第二嵌入向量进行解码，得到各个片段各自对应的表征向量；将各个表征向量输入已训练的语义识别模型，基于所述语义识别模型确定所述各个表征向量各自对应的实体、实体的属性和属性值。3.如权利要求1所述的方法，其特征在于，所述根据所述各个实体、所述各个实体的属性和属性值确定属性三元组包括：针对所述各个实体，确定所述实体的类型和主体属性的属性值；将所述实体的主体属性的属性值和所述文本数据中属于所述实体类型的任一属性的属性值输入预先训练完成的属性三元组提取模型，基于所述属性三元组提取模型判断所述任一属性的属性值是否描述所述实体；根据描述所述实体的各个属性及对应的属性值，确定所述实体的各个属性三元组。4.如权利要求3所述的方法，其特征在于，所述方法还包括：若所述文本数据中存在多个相同的主体属性的属性值，选择与待判别的属性值最近邻的主体属性的属性值构建所述属性三元组提取模型的输入，得到预测结果。5.如权利要求1所述的方法，其特征在于，所述根据所述各个实体、所述各个实体的属性和属性值确定关系三元组包括：确定所述各个实体各自的主体属性；将任意两个主体属性的属性值输入预先训练完成的关系三元组提取模型，基于所述关系三元组提取模型确定所述任意两个主体属性各自所属的实体之间的关系；根据所述各个实体和任意两个实体之间的关系，确定各个关系三元组。6.如权利要求5所述的方法，其特征在于，所述方法还包括：若所述文本数据中存在多个相同的主体属性的属性值，对任意两个实体的关系判断时，选择最相邻的表征该两个实体的主体属性值的属性值构建所述关系三元组提取模型的输入，得到预测结果。7.如权利要求1所述的方法，其特征在于，所述根据所述属性三元组和关系三元组，构建所述文本数据对应的事件知识图谱包括：创建事件实体，根据所述属性三元组、关系三元组和预先设定的事件实体的连接关系，对包含所述事件实体在内的各个实体进行连接，并填充所述各个实体的属性和属性值，以及各个实体之间的关系，得到所述文本数据对应的事件知识图谱。2CN115905538A权利要求书2/2页8.如权利要求7所述的方法，其特征在于，所述将所述事件知识图谱输入预先训练完成的事件分类模型，基于所述事件分类模型确定所述文本数据对应的事件类别包括：将所述事件知识图谱转换为无向图谱，对所述无向图谱做扩充或裁减，固定输入图谱的规模；确定所述无向图谱的邻接矩阵；确定所述事件知识图谱中各个实体的表征向量，根据