188宝金博页面版

第17卷 第1期 2018年 1月 软 件 导 刊 Software Guide VoI．17No．1 Jan．2018 触发词扩展、神经网络及依存分析相结合的事件研究 王红斌 ，郜 洪奎 。 (1．昆 明理 工 大 学 信 息工程 与 自动化 学院 ；2．昆 明理 工大 学 智 能信 息处 理重 点 实验 室 ，云 南 昆 明 650500) 摘 要 ：事件抽取 包括 两大任务 ：识别事件和事件要 素抽 取。对 于事件抽 取的传 统方法是模 式 匹配和机 器学 >- ／。模 式 匹配 包含规 则有 限，机器 学* -3需要 大量语料和众 多特征 。针对传统 方法 的不足 ，提 出了结合 触发词扩 展 、神 经 网络 及依存分析相结合 的方法。该 方法利用触发 词扩展 增加 触发 词数 量 ，利 用神 经 网络 选择特征 进行 事件 分类 ，利用依 存分析挖掘词之 间关 系。实验 证明该方法可行 ，在 事件识 别和事件要 素抽 取方面得 到 了较好结果 。 关键词 ：机器学习；事件识别；事件要素抽。灰来娣治觯簧窬 DOI：10．11907／rjdk．172075 中图分类号 ：TP301 文献标识码 ：A 文章编号 ：1672—7800(2018)001—0019-03 Fusion Trigger W ord Extension，Neural Network and Dependency Analysis Event Recognition W ANG Hong—bin ．GAO Hong—kui ’。 (1．The School of Information Engineering and Automation，Kunming University of Science and Technology； 2．The Key Laboratory of Intelligent Information Processing，Kunming University of Science and Technology，Kunming 650500，China) Abstract：Event extraction consists of two tasks：identifying the extraction of events and event elements．Traditionally，pattern matching and machine learning methods are used for event extraction．Pattern matching involves limited rules．Machine learning requires a large number of corpus and many features．In view of the shortcomings of traditional methods，this paper proposes a combination of triggering word extension，neural network and dependency analysis．The method can increase the number of trigger words by using the trigger word extension，use the neural network to select the feature to classify the event，and use the dependency analysis to dig the relationship between the words．Experiments show that this method is feasible and has achieved good results in event recognition and event element extraction． Key W ords：machine learning；event recognition；event element extraction；dependency analysis；neural network 0 引言 中国交通事故发生频 繁 ，突发性 灾难事件研究 受到重 视 。事故处理部 门关 心事故 发生 时 间、地 点 、人 员伤 亡情 况 ，以及 哪个路段 、哪个 时间容 易发生 事故 ，从 而采 取措施 最大 限度地减少 伤亡I1]。对事 件 的研究 不仅 具有 理论 价 值 ，还具有 实际应用前 景。 事件 抽取研究 已取得 较多成 果 ，研究 大致 分为 两类 ： 基 于规则 的方法瞳 和机器学 习方法 。基 于规则 的方法是 事先制定一个字典 ，然后用待 选词与字 典进行 匹配 。Ahn D 采用二元分 类 器和 多元 分类器 方 法进行 事 件抽 取研 究 ，并在 ACE英文语料库 进行 了实 验 ，取得 较好 结果 ；吴 平博等 采用预先定义 的模版 制定规 则 ，从处 理 的文本 中 抽取事件信息来填充 句型模 板 中的槽 。结 合上述 事件 抽 取发现 ，基于规则方法在 一定范 围 内效果不 错 ，但 它依赖 具体环境 ，可移植性差 ，对 于一些 没有 统计 到字典 的词识 别不 出来 ，而且字典的制定费时费力 ，需要领域专家指 导 ， 机器学习方法则可 以解 决这些 问题 。机器学 习相关 研究 有 ：文档相关性的研 究方法 ]，跨 越不 同事件 的推 理演绎 方法 ]。杨尔弘 根据 中文特 点 ，采 用语句 聚类 方法获得 事件的信息结构(事件模 板)，并 以此 为标 准抽取 事件 ；赵 妍妍等 结合 Ahn等 的工作 ，对 机器学 习需要 的特征 进 行了改进 ；付剑锋 等[1。 采 用依存 分析 ，深 入挖掘词 与词 收 稿 Et期 ：2017—07—10 基金项 目：国家 自然科 学基金 项 目(61462054)；云南省基金项 目(KKSY201403028) 作者简介 ：王红斌(1983一)，男，昆明理工大 学信息工程与 自动化 学院、昆明理工大学智能信息处理重点 实验 室讲 师， 研 究 方 向为 自然 语 言处理 ；4~ (1988一)，男 ，昆明理 工大学信 息工程与 自动化 学院、昆明理 工大 学智能信 息处理 重点 实验 室硕 士研究 生 ，研 究 方 向 为 自然 语 言处 理 。