基于相似義原和依存句法的政外領(lǐng)域事件抽取方法*

崔 瑩

(西南電子技術(shù)研究所,四川 成都 610036)

1 引言

隨著科技水平日新月異的更新發(fā)展，各類(lèi)新聞數(shù)據(jù)來(lái)源多種多樣，導(dǎo)致多源、多品類(lèi)、異構(gòu)新聞數(shù)據(jù)量突飛猛漲。新聞數(shù)據(jù)作為開(kāi)源情報(bào)的重要數(shù)據(jù)來(lái)源具有實(shí)時(shí)性高、海量、非結(jié)構(gòu)化等特點(diǎn)。面對(duì)海量非結(jié)構(gòu)化新聞數(shù)據(jù)，如何從中對(duì)關(guān)注的目標(biāo)信息進(jìn)行深層次挖掘、分析與預(yù)測(cè)，實(shí)現(xiàn)數(shù)據(jù)態(tài)勢(shì)感知、風(fēng)險(xiǎn)預(yù)警等目的成為當(dāng)前亟待解決的問(wèn)題。目前，對(duì)非結(jié)構(gòu)化文本類(lèi)新聞數(shù)據(jù)進(jìn)行結(jié)構(gòu)化轉(zhuǎn)換是新聞數(shù)據(jù)分析的基礎(chǔ)，針對(duì)非結(jié)構(gòu)化文本類(lèi)新聞數(shù)據(jù)進(jìn)行結(jié)構(gòu)化信息提取主要有以下解決方法：命名實(shí)體提取、實(shí)體關(guān)系提取和事件提取等，其中命名實(shí)體提取、實(shí)體關(guān)系提取為初級(jí)信息提取；真正要做到信息關(guān)聯(lián)和事件關(guān)聯(lián)分析、預(yù)測(cè)挖掘等，需要進(jìn)行更高層次的信息提取，如事件抽取、主題提取等。事件抽取是指從文檔中識(shí)別出某個(gè)事件發(fā)生的時(shí)間、地點(diǎn)和事件的參與者等信息，并以結(jié)構(gòu)化的形式呈現(xiàn)出來(lái)，形成模板形式的事件場(chǎng)景描述。針對(duì)大量混雜數(shù)據(jù)中的事件信息，越來(lái)越多的學(xué)者希望實(shí)現(xiàn)這類(lèi)特殊事件的自動(dòng)發(fā)現(xiàn)，獲得大量精度高、機(jī)器可閱讀的事件數(shù)據(jù)，并構(gòu)建出各類(lèi)結(jié)構(gòu)化事件庫(kù)[1 - 5]。本文針對(duì)政治外交(政外)領(lǐng)域事件提出了一種基于相似義原和依存句法的元事件提取方法，針對(duì)政外領(lǐng)域事件構(gòu)建了8種元事件類(lèi)別及對(duì)應(yīng)的事件觸發(fā)詞表和事件模板。并以不同來(lái)源相同領(lǐng)域數(shù)據(jù)進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果較傳統(tǒng)基于觸發(fā)詞的事件的召回率和F值均有提升，較基于神經(jīng)網(wǎng)絡(luò)的端到端事件抽取模型的抽取準(zhǔn)確率有顯著提升，為政外領(lǐng)域事件庫(kù)的構(gòu)建提供了很好的基礎(chǔ)支撐。

2 相關(guān)定義

定義1(元事件) 表示在特定時(shí)刻發(fā)生的一個(gè)動(dòng)作或狀態(tài)變化[6]。

定義2(事件抽取) 事件抽取是信息抽取領(lǐng)域一個(gè)重要的研究方向。事件抽取主要把人們感興趣的、用自然語(yǔ)言表達(dá)的事件以結(jié)構(gòu)化的形式呈現(xiàn)出來(lái)[6]。

目前事件抽取的研究方法主要有2類(lèi)，如表1所示：基于模式匹配的方法和基于機(jī)器學(xué)習(xí)的方法。基于模式匹配的方法準(zhǔn)確率較高(如果模式提取得非常準(zhǔn)確)，且接近人的思維方式，知識(shí)表示直觀、自然，便于推理。但是，這種方法往往依賴(lài)于具體語(yǔ)言、具體領(lǐng)域和文本格式，可移植性差，需要富有經(jīng)驗(yàn)的語(yǔ)言學(xué)家才能完成[7]。和基于模式匹配的方法相比，基于機(jī)器學(xué)習(xí)的方法健壯性和靈活性較好，比較客觀，不需要太多的人工干預(yù)和領(lǐng)域知識(shí)，召回率較高，但由于語(yǔ)料庫(kù)規(guī)模的影響數(shù)據(jù)稀疏問(wèn)題比較嚴(yán)重，其準(zhǔn)確率較基于模式匹配的方法低，有時(shí)搜索空間很大還會(huì)導(dǎo)致巨大的空間開(kāi)銷(xiāo)，效率不高[8]。另外，它需要大規(guī)模的語(yǔ)料庫(kù)進(jìn)行訓(xùn)練。

正是由于機(jī)器學(xué)習(xí)在政外領(lǐng)域進(jìn)行事件抽取時(shí)需要大規(guī)模的標(biāo)注語(yǔ)料，同時(shí)存在識(shí)別率低的問(wèn)題，本文擬采用基于模式匹配的方法對(duì)政外領(lǐng)域新聞數(shù)據(jù)進(jìn)行事件抽取。

定義3(基于模式匹配方法的事件抽取) 模式是一種規(guī)則，模式定義了事件信息抽取的規(guī)范。基于模式匹配方法的事件抽取是指通過(guò)定義好的模式來(lái)識(shí)別某一類(lèi)事件和抽取事件相關(guān)的元素信息。模式的獲取可以通過(guò)手工或者自動(dòng)的方式來(lái)設(shè)定。通過(guò)定義模式，形成最終的模式庫(kù)，類(lèi)似于對(duì)知識(shí)進(jìn)行總結(jié)然后形成知識(shí)庫(kù)，對(duì)整個(gè)系統(tǒng)起支撐作用。一般來(lái)說(shuō)，基于模式匹配方法的事件信息抽取系統(tǒng)核心模塊是模式獲取和事件信息抽取[8]。

Table 1 Comparison of event extraction based on pattern matching and machine learning表1 基于模式匹配方法和基于機(jī)器學(xué)習(xí)方法的事件抽取對(duì)比

定義4(觸發(fā)詞) 觸發(fā)詞指的是能夠觸發(fā)事件發(fā)生的詞，多為動(dòng)詞性詞語(yǔ)。

定義5(義原) 義原(Semantics)在語(yǔ)言學(xué)中是指最小的不可再分的語(yǔ)義單位，而知網(wǎng)(HowNet)則是最著名的義原知識(shí)庫(kù)[9]。

3 政外領(lǐng)域新聞事件抽取

基于模式匹配方法的事件抽取主要分為2部分：事件檢測(cè)及類(lèi)別識(shí)別(事件識(shí)別)；事件論元角色抽取(事件元素識(shí)別)。具體處理流程如圖1所示。

(1) 定義事件類(lèi)別，針對(duì)每類(lèi)事件構(gòu)建觸發(fā)詞表和事件模板，其中事件模板包括觸發(fā)詞、事件論元角色，如表2所示為考察訪問(wèn)類(lèi)元模板。

(2) 對(duì)單篇文檔進(jìn)行分詞、詞性標(biāo)注、切分句子等文本預(yù)處理操作。

(3) 根據(jù)觸發(fā)詞表，判斷句中是否包含觸發(fā)詞或與觸發(fā)詞相似的詞，對(duì)相似詞計(jì)算相似度，這里考慮到無(wú)法枚舉出所有事件類(lèi)型的觸發(fā)詞，因此采用了基于義原相似性的方法來(lái)擴(kuò)展事件觸發(fā)詞。

(4) 篩選觸發(fā)詞相似度滿足設(shè)定閾值的句子并將其作為事件句(即候選子事件)，同時(shí)為事件句指定事件類(lèi)別。

(5) 提取事件句中的實(shí)體要素。

(6)根據(jù)事件類(lèi)別模板內(nèi)的論元角色約束篩選滿足事件類(lèi)別模板的事件元素，即事件元素的識(shí)別。

(7) 根據(jù)事件模板生成事件描述。

Figure 1 Meta event extraction process圖1 元事件抽取處理流程

在基于模式匹配方法事件抽取過(guò)程中，有2個(gè)核心關(guān)鍵環(huán)節(jié)。一是事件觸發(fā)詞表的構(gòu)建，觸發(fā)詞表構(gòu)建的完整性和準(zhǔn)確性，對(duì)事件的識(shí)別起到?jīng)Q定性的作用，因此如何完整地構(gòu)建觸發(fā)詞詞表至關(guān)重要。二是事件論元角色內(nèi)容的填充，一句話中針對(duì)同一事件要素類(lèi)型可能會(huì)提取到多個(gè)事件要素，如何選取合適的要素進(jìn)行事件論元內(nèi)容的填充同樣對(duì)事件提取最終結(jié)果的準(zhǔn)確性會(huì)產(chǎn)生深遠(yuǎn)的影響。

傳統(tǒng)觸發(fā)詞表的構(gòu)建主要通過(guò)計(jì)算詞頻、選取相關(guān)動(dòng)詞性關(guān)鍵詞作為觸發(fā)詞，或通過(guò)專(zhuān)家手工構(gòu)建觸發(fā)詞表。本文在傳統(tǒng)觸發(fā)詞構(gòu)建基礎(chǔ)上，采取了基于義原相似性計(jì)算的方法，對(duì)觸發(fā)詞進(jìn)行擴(kuò)展，能夠提升觸發(fā)詞表的完整性，提升事件識(shí)別準(zhǔn)確率和召回率。

Table 2 Metaevent template of visit class表2 考察訪問(wèn)類(lèi)元事件模板

本文在事件論元角色內(nèi)容填充過(guò)程中，綜合考慮上下文語(yǔ)義信息，結(jié)合句法分析、指代消解及觸發(fā)詞詞性判斷等方法，進(jìn)行事件論元角色內(nèi)容的填充。

基于模式匹配方法的元事件抽取主要處理環(huán)節(jié)包括觸發(fā)詞表的構(gòu)建、事件句的識(shí)別以及事件模板中論元角色內(nèi)容的填充，下面對(duì)這幾方面在本文實(shí)驗(yàn)中的實(shí)現(xiàn)原理及相關(guān)算法進(jìn)行詳細(xì)介紹。

3.1 觸發(fā)詞表的構(gòu)建

事件觸發(fā)詞是事件描述中的重要組成要素，直接引發(fā)事件的產(chǎn)生，是決定事件類(lèi)別的重要特征。而事件觸發(fā)詞具有領(lǐng)域特色，事件觸發(fā)詞的提取在進(jìn)行領(lǐng)域事件抽取過(guò)程中是非常重要的。本文對(duì)觸發(fā)詞表的構(gòu)建采用人工構(gòu)建初始觸發(fā)詞集合的方式，再通過(guò)對(duì)特定范圍內(nèi)的語(yǔ)料進(jìn)行人工分析結(jié)合義原相似性計(jì)算，擴(kuò)展并構(gòu)建觸發(fā)詞表。

首先根據(jù)新聞標(biāo)題或正文內(nèi)容中是否包含觸發(fā)詞作為判斷是否是候選事件的標(biāo)準(zhǔn)，判斷句子中是否有觸發(fā)詞，有則歸類(lèi)到相關(guān)候選類(lèi)別中。判斷過(guò)程中考慮到觸發(fā)詞無(wú)法全面覆蓋所有新聞標(biāo)題關(guān)鍵詞，利用知網(wǎng)詞語(yǔ)相似度計(jì)算標(biāo)題文本中的詞語(yǔ)與類(lèi)別觸發(fā)詞的相似度。實(shí)詞的每一個(gè)概念是由一組義原描述式來(lái)定義的，這些義原描述式可以分為4部分：第一獨(dú)立義原描述式和其他獨(dú)立義原描述式、關(guān)系義原描述式和符號(hào)義原描述式。本文參考并借鑒了劉群等[10，11]的詞語(yǔ)相似度計(jì)算方法來(lái)計(jì)算觸發(fā)詞語(yǔ)義相似度：

第一獨(dú)立義原之間的相似度是通過(guò)計(jì)算義原在知網(wǎng)中上下位關(guān)系樹(shù)中的距離得到的，公式為:

(1)

其中,p1和p2表示2個(gè)義原；d是p1和p2在義原層次體系中的路徑長(zhǎng)度，是一個(gè)正整數(shù)；α是一個(gè)可調(diào)節(jié)的參數(shù)。2個(gè)觸發(fā)詞概念之間的相似性可以通過(guò)式(1)計(jì)算觸發(fā)詞獨(dú)立義原之間的相似度得到，記為Sim1(S1,S2)。

其他獨(dú)立義原描述式，是指除第一獨(dú)立義原描述式以外的其他獨(dú)立義原描述式，因此這一部分相似度計(jì)算公式同第一獨(dú)立義原相似度計(jì)算公式，即式(1)，這樣通過(guò)計(jì)算其他獨(dú)立義原描述式相似度得到2個(gè)概念之間的其它獨(dú)立義原相似度，記為Sim2(S1,S2)。

關(guān)系義原描述式，是用來(lái)描述概念和概念之間的關(guān)系，描述形式用“關(guān)系義原=基本義原”或者“關(guān)系義原=(具體詞)”或者“(關(guān)系義原=具體詞)”來(lái)表示，因此這一部分相似度計(jì)算仍然采用式(1)，計(jì)算結(jié)果記為Sim3(S1,S2)。

符號(hào)義原描述式：其值是一個(gè)特征結(jié)構(gòu)，該特征結(jié)構(gòu)中的每一個(gè)特征包含屬性和關(guān)系2部分，其中屬性是一個(gè)關(guān)系義原，值是一個(gè)基本義原或具體詞的集合。通過(guò)將2個(gè)概念的符號(hào)義原描述式中的基本義原或詞集合進(jìn)行兩兩組合，利用式(1)計(jì)算得到不同相似度值，符號(hào)義原相似度取其中基本義原相似度最大的值，我們將2個(gè)概念這一部分的相似度記為Sim4(S1,S2)。

最后，計(jì)算第一獨(dú)立義原描述式、其他獨(dú)立義原描述式、關(guān)系義原描述式和符號(hào)義原描述式4部分相似度的加權(quán)平均值作為詞語(yǔ)的相似度，如式(2)所示：

(2)

計(jì)算文本中的詞語(yǔ)與觸發(fā)詞的相似度過(guò)程中，如果文本中的詞語(yǔ)和多個(gè)類(lèi)別的觸發(fā)詞的相似度都超過(guò)閾值，那么選擇觸發(fā)詞相似度最高的類(lèi)別作為候選事件類(lèi)別。

利用以上相似義原擴(kuò)充觸發(fā)詞集方法，不同類(lèi)型事件觸發(fā)詞擴(kuò)展結(jié)果如表3所示。

3.2 事件句的識(shí)別

因?yàn)榻^大多數(shù)事件觸發(fā)詞的詞性是動(dòng)詞，因此事件句的識(shí)別是通過(guò)對(duì)句子進(jìn)行分詞處理，將所有詞性為動(dòng)詞的詞與觸發(fā)詞表進(jìn)行比對(duì)，當(dāng)該句子中包含有觸發(fā)詞表中的某觸發(fā)詞時(shí)，將該句判定為事件句，同時(shí)根據(jù)觸發(fā)詞指定該事件句的事件類(lèi)別。當(dāng)一句話中包含多個(gè)觸發(fā)詞時(shí)，認(rèn)為該句屬于多事

Table 3 Trigger extension results表3 觸發(fā)詞擴(kuò)展結(jié)果

件句，對(duì)該事件句賦予多個(gè)事件類(lèi)別。

3.3 論元角色內(nèi)容的填充

論元角色內(nèi)容的填充主要是對(duì)事件句中的事件元素進(jìn)行識(shí)別，再按照事件模板將事件元素填充到對(duì)應(yīng)的論元角色中。論元角色內(nèi)容的填充結(jié)果準(zhǔn)確性主要依賴(lài)于分詞結(jié)果和依存句法分析結(jié)果的準(zhǔn)確性。由于政外領(lǐng)域語(yǔ)料觸發(fā)詞具有專(zhuān)業(yè)性，因此在觸發(fā)詞表構(gòu)建完成時(shí)，為提高事件句識(shí)別準(zhǔn)確率，同步對(duì)分詞算法中用戶自定義詞典進(jìn)行了手動(dòng)更新。

本文實(shí)驗(yàn)中的分詞方法采用了HanLP分詞算法，通過(guò)對(duì)句子做依存句法分析，得到句子的依存句法關(guān)系，如圖2所示，利用句子的依存句法關(guān)系作為指導(dǎo)，對(duì)抽取的實(shí)體元素進(jìn)行論元角色的填充，論元角色內(nèi)容填充流程如圖3所示。

Figure 2 Dependency parsing graph圖2 依存句法分析圖

Figure 3 Content filling process for argument roles圖3 論元角色內(nèi)容填充流程

該事件要素識(shí)別環(huán)節(jié)中，因?yàn)閿?shù)據(jù)涉及政外領(lǐng)域，HanLP分詞算法在政外領(lǐng)域中得到的分詞結(jié)果不夠準(zhǔn)確，經(jīng)常會(huì)將一個(gè)具有特殊含義的實(shí)體拆分為多個(gè)詞語(yǔ)，對(duì)事件要素抽取準(zhǔn)確性造成了干擾。同時(shí)，事件要素抽取后，需要對(duì)其在整個(gè)事件描述中的角色給予定義。因此，本文利用依存句法分析結(jié)果，加入一定的規(guī)則來(lái)提升事件要素識(shí)別和論元角色內(nèi)容填充的準(zhǔn)確率。部分規(guī)則如下：

規(guī)則1在句法樹(shù)中，通常將主謂賓詞語(yǔ)中的主語(yǔ)詞定義為事件主體，將謂語(yǔ)詞定義為事件觸發(fā)詞，賓語(yǔ)詞定義為事件客體。但是，實(shí)際情況是一句話中可能存在多個(gè)事件描述，因此需要進(jìn)一步結(jié)合規(guī)則來(lái)生成事件描述。如果存在多個(gè)動(dòng)賓關(guān)系，則判斷多個(gè)動(dòng)賓關(guān)系是否共享同一個(gè)主語(yǔ)，針對(duì)同一主語(yǔ)生成多個(gè)事件描述；否則在事件句中，按動(dòng)賓關(guān)系對(duì)句子進(jìn)行分割，在子句中為各動(dòng)賓關(guān)系找到主語(yǔ)即事件主體，進(jìn)而生成多個(gè)事件描述。

規(guī)則2對(duì)事件要素填充事件客體這一論元角色時(shí)，在句法樹(shù)中，如果與觸發(fā)詞構(gòu)成動(dòng)賓關(guān)系的詞語(yǔ)前面有定語(yǔ)詞，則將該定語(yǔ)與賓語(yǔ)詞進(jìn)行拼接，如果該定中關(guān)系的父節(jié)點(diǎn)詞語(yǔ)前仍有定語(yǔ)，則繼續(xù)對(duì)該賓語(yǔ)進(jìn)行拼接，直至定中關(guān)系判定結(jié)束，則該拼接詞為事件客體。

例如，朝鮮勞動(dòng)黨中央委員會(huì)、朝鮮中央政治局、中華人民共和國(guó)第十三屆全國(guó)人民代表大會(huì)等，在句法樹(shù)中，上述示例中的短語(yǔ)常被識(shí)別為委員會(huì)、政治局、大會(huì)等，在事件要素填充過(guò)程中，此類(lèi)識(shí)別結(jié)果是不完整且不準(zhǔn)確的，因此通過(guò)結(jié)合句法樹(shù)中定中關(guān)系等判斷，可以提升事件要素識(shí)別準(zhǔn)確率和完整性，同時(shí)能夠?qū)︻I(lǐng)域詞典進(jìn)行很好的補(bǔ)充。

規(guī)則3同規(guī)則2，在判斷事件主體時(shí)，在句法樹(shù)中，如果主語(yǔ)前有多個(gè)詞語(yǔ)與其是定中關(guān)系，則不斷向該定中關(guān)系的父節(jié)點(diǎn)循環(huán)拼接，直至定中關(guān)系判定結(jié)束，則拼接詞為事件主體。

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)場(chǎng)景

首先以朝鮮勞動(dòng)新聞網(wǎng)金正恩相關(guān)報(bào)道為主要分析數(shù)據(jù)來(lái)源，對(duì)金正恩行為事件進(jìn)行分析。實(shí)驗(yàn)場(chǎng)景如表4所示，建立8種元事件類(lèi)別及對(duì)應(yīng)事件觸發(fā)詞和事件模板(如表5所示)，利用該模板分別對(duì)不同來(lái)源數(shù)據(jù)和不同施事者數(shù)據(jù)的事件句識(shí)別和論元角色內(nèi)容填充進(jìn)行實(shí)驗(yàn)設(shè)計(jì)，并對(duì)元事件抽取結(jié)果進(jìn)行驗(yàn)證，驗(yàn)證新聞數(shù)據(jù)中同一領(lǐng)域內(nèi)不同對(duì)象的相同類(lèi)型事件的描述是否相似，進(jìn)一步驗(yàn)證本文方法中事件觸發(fā)詞和事件模板對(duì)同一領(lǐng)域內(nèi)其他對(duì)象的相關(guān)數(shù)據(jù)抽取是否具有通用性。

同時(shí)，為對(duì)比傳統(tǒng)方法與基于相似義原和依存句法的事件抽取方法在特定領(lǐng)域的抽取效果，在實(shí)驗(yàn)中采用傳統(tǒng)的基于模板匹配方法和基于LSTM的事件抽取方法，分別進(jìn)行實(shí)驗(yàn)比對(duì)。具體來(lái)說(shuō)，基于模板匹配方法中，主要采用元事件基礎(chǔ)模板(如表5所示)，其中事件觸發(fā)詞未進(jìn)行擴(kuò)展；LSTM方法中，模型主要由表示層(詞向量、位置向量、實(shí)體向量)、雙向的LSTM層、卷積層、max-pooling層和softmax分類(lèi)層組成，利用雙向LSTM完成詞表示，每個(gè)詞表示的基本信息包含有詞向量、實(shí)體類(lèi)別向量和依存關(guān)系向量。通過(guò)對(duì)比不同方法抽取結(jié)果，驗(yàn)證本文方法在特定領(lǐng)域中的優(yōu)勢(shì)。

實(shí)驗(yàn)使用的觸發(fā)詞表及元事件模板是通過(guò)基于相似義原對(duì)朝鮮勞動(dòng)網(wǎng)有關(guān)金正恩行為報(bào)道的數(shù)據(jù)進(jìn)行觸發(fā)詞相似性計(jì)算得到的。

Table 4 Experimental scenario settings表4 實(shí)驗(yàn)場(chǎng)景設(shè)置

Table 5 Meta event triggers and meta event templates表5 元事件觸發(fā)詞及元事件模板

針對(duì)不同的任務(wù)、不同的語(yǔ)料來(lái)源，事件抽取的評(píng)價(jià)方法也有所不同，本文借鑒ACE會(huì)議的評(píng)價(jià)標(biāo)準(zhǔn)，采用經(jīng)典的準(zhǔn)確率P(Precision)、R召回率(Recall)和F值(F-Measure)評(píng)價(jià)最終的抽取結(jié)果。具體計(jì)算公式如下所示。

(1) 事件類(lèi)型類(lèi)別的識(shí)別：

(3)

其中，PS為事件類(lèi)型識(shí)別準(zhǔn)確率，RS為事件類(lèi)型識(shí)別召回率，其計(jì)算方式如式(4)和式(5)所示。

(4)

(5)

(2) 事件元素的識(shí)別：

(6)

其中，PA為事件元素識(shí)別準(zhǔn)確率，RA為事件元素識(shí)別召回率，其計(jì)算方式如式(7)和式(8)所示：

(7)

(8)

4.2 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)采用互聯(lián)網(wǎng)政治新聞?lì)I(lǐng)域事件數(shù)據(jù)，如表6所示，共計(jì)784條新聞標(biāo)題數(shù)據(jù)，標(biāo)注其所有事件要素和事件類(lèi)型，標(biāo)注數(shù)據(jù)類(lèi)別及個(gè)數(shù)如表7所示，其中550條作為訓(xùn)練數(shù)據(jù)，234條作為測(cè)試數(shù)據(jù)。

Table 6 Experimental data表6 實(shí)驗(yàn)數(shù)據(jù)

Table 7 Tagging data表7 標(biāo)注數(shù)據(jù)

4.3 實(shí)驗(yàn)結(jié)果及分析

事件類(lèi)型識(shí)別結(jié)果對(duì)比和事件元素識(shí)別結(jié)果對(duì)比分別如圖4和圖5所示。

Figure 4 Comparison of event type recognition results圖4 事件類(lèi)型識(shí)別結(jié)果對(duì)比

Figure 5 Comparison of event element recognition results圖5 事件元素識(shí)別結(jié)果對(duì)比

本實(shí)驗(yàn)所采用的觸發(fā)詞表及事件模板類(lèi)型來(lái)自于領(lǐng)域?qū)＜覍?duì)朝鮮勞動(dòng)網(wǎng)有關(guān)金正恩行為報(bào)道的總結(jié)歸納，事件類(lèi)型參考目前最權(quán)威的事件數(shù)據(jù)分類(lèi)編碼方案沖突與調(diào)解事件框架CAMEO(Conflict And Mediation Event Observations)，所測(cè)試的數(shù)據(jù)均為同一領(lǐng)域相關(guān)報(bào)道。

(1)通過(guò)實(shí)驗(yàn)可以看出本文方法中觸發(fā)詞及元事件模板對(duì)同一領(lǐng)域內(nèi)其他主體對(duì)象的相關(guān)事件要素抽取具有通用性，說(shuō)明新聞數(shù)據(jù)中同一領(lǐng)域內(nèi)不同對(duì)象的相同類(lèi)型事件的描述是相似的。

(2) 通過(guò)基于模式匹配、相似義原、深度神經(jīng)網(wǎng)絡(luò)LSTM不同方法的對(duì)比實(shí)驗(yàn)分析發(fā)現(xiàn)，在元事件類(lèi)型識(shí)別中，采用相似義原的觸發(fā)詞擴(kuò)展方法使得事件類(lèi)型召回率和事件類(lèi)型識(shí)別F值均得到了一定的提升，如圖4所示。數(shù)據(jù)召回率低主要是因?yàn)橛|發(fā)詞表不完備，元事件模板不完備，其他類(lèi)型元事件在元事件模板定義中缺失，通過(guò)補(bǔ)充觸發(fā)詞表可提高元事件類(lèi)型召回率。

(3) 通過(guò)基于模式匹配、相似義原、深度神經(jīng)網(wǎng)絡(luò)LSTM 3種方法的實(shí)驗(yàn)分析，如圖5所示，在元事件元素識(shí)別中，有未召回的事件元素主要是因?yàn)榉衷~結(jié)果中部分分詞結(jié)果不準(zhǔn)確，或是特殊的專(zhuān)有名詞，在實(shí)驗(yàn)過(guò)程中，通過(guò)將未識(shí)別出的詞加入到分詞詞典中，可提高事件元素識(shí)別召回率；同時(shí)，可以看出由于基于相似義原的方法對(duì)觸發(fā)詞進(jìn)行了擴(kuò)展，因此該方法在事件要素識(shí)別準(zhǔn)確率和召回率上均有提升。

(4) 基于深度神經(jīng)網(wǎng)絡(luò)LSTM在政治外交領(lǐng)域的元事件元素識(shí)別召回率和準(zhǔn)確率不高的主要原因是論元角色涉及大量領(lǐng)域?qū)Ｓ忻~，如“朝鮮勞動(dòng)黨第5次支部委員長(zhǎng)大會(huì)”，只能抽取到“朝鮮”“勞動(dòng)黨”；而本文方法結(jié)合相似義原和依存句法的方法可以做到事件要素的準(zhǔn)確識(shí)別和抽取。

(5)針對(duì)政外領(lǐng)域數(shù)據(jù)的元事件抽取，需要專(zhuān)有的觸發(fā)詞表及元事件類(lèi)型定義。

5 結(jié)束語(yǔ)

元事件識(shí)別過(guò)程中觸發(fā)詞的擴(kuò)展、論元角色的識(shí)別(包括時(shí)間表達(dá)式識(shí)別、專(zhuān)有名詞的識(shí)別)、事件類(lèi)型的定義等都是影響元事件類(lèi)型識(shí)別和元事件元素識(shí)別效果的因素，在未來(lái)的研究中，可針對(duì)各方面嘗試不同的方法，在整體上提高對(duì)元事件抽取的質(zhì)量。

本文方法在實(shí)際工程中主要用于針對(duì)非結(jié)構(gòu)化文本類(lèi)新聞數(shù)據(jù)進(jìn)行結(jié)構(gòu)化抽取，通過(guò)元事件抽取得到數(shù)據(jù)內(nèi)部人物、時(shí)間、地點(diǎn)、組織等關(guān)聯(lián)關(guān)系，對(duì)事件庫(kù)的構(gòu)建進(jìn)行支撐和補(bǔ)充，進(jìn)一步為事件關(guān)系挖掘、事件預(yù)測(cè)等提供基礎(chǔ)支撐。