(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211133494.1 (22)申请日 2022.09.18 (71)申请人 北京清博智能科技有限公司 地址 100095 北京市海淀区花园路2号牡 丹 科技楼A座5层A6 01号 (72)发明人 杨钰雯　 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/35(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种应急事 件事理图谱构建方法 (57)摘要 本发明公开了一种应急事件事理图谱构建 方法， 其特征在于： 包括以下步骤： 步骤一： 预先 进行事件类型分类， 并预设种子触发词； 步骤二： 基于符号空间和向量空间进行事件表示； 步骤 三： 识别包含突发事件触发词的文本句， 并判断 事件触发词所对应的预定义事件类型； 步骤四： 基于已获得的突发事件触发词及事件类型得到 事件表示框架， 基于事件表示框架抽取事件中的 元素； 步骤五： 对事件的因果关系进行抽取； 步骤 六： 进行事件融合， 输出图谱数据。 本发 明能够快 速收集突发事件的相关信息， 描绘事件的演化过 程， 辅助专家学者进行事件发生前的准备工作， 事件发展过程中的快速决策， 以及事件发展结束 后的科学研究。 权利要求书2页 说明书10页 附图5页 CN 115455202 A 2022.12.09 CN 115455202 A 1.一种应急事 件事理图谱构建方法， 其特 征在于： 包括以下步骤： 步骤一： 预 先进行事 件类型分类， 并预设种子触发词； 步骤二： 基于符号空间和向量空间进行事 件表示； 步骤三： 识别包含突发事件触发词的文本句， 并判断事件触发词所对应的预定义事件 类型； 步骤四： 基于已获得的突发事件触发词及事件类型得到事件表示框架， 基于事件表示 框架抽取事 件中的元 素； 步骤五： 对 事件的因果关系进行抽取； 步骤六： 进行事 件融合， 输出图谱数据。 2.根据权利要求1所述的一种应急事件事理图谱构建方法， 其特征在于： 所述步骤二包 括事件组成要素表示法和事 件核心词汇 表示法； 事件组成要素表示法用于事件发生类的事件， 具体包括： 将事件表示为由事件的类型、 事件发生的时间、 发生的地点、 参与的对象、 相关动作和事件提及句共同组成的复合知识单 元； 并将事 件表示符号 化为六元组的形式E＝{C,T,V,O,A,M}； 事件核心词汇表示法用于事件影响类和应急决策类的事件， 具体包括： 结合依存句法 关系和词性， 通过核心关键词来表示事件， 保证减少事件中的冗余信息的同时， 不会过多的 丢失事件中的关键性信息 。 3.根据权利要求1所述的一种应急事件事理图谱构建方法， 其特征在于： 所述步骤三具 体采用序列标注模型对文本句进行实体和 事件触发词的联合识别， 利用BERT ‑BiLSTM‑CRF 模型对实体和突发事件触发词进行联合标注:利用BERT模型进行文本特征提取， 然后将特 征向量输入Bi LSTM‑CRF模型中进行实体和触发词的标注， 并判断他们的类别。 4.根据权利要求3所述的一种应急事件事理图谱构建方法， 其特征在于： 所述BERT ‑ BiLSTM‑CRF模型依次包括词嵌入层、 双向LSTM层和CRF层； 词嵌入层用于将输入序列的文本信息转为向量的形式， 通过BERT预训练模型将文本句 中的词语转 化为低维稠密的向量序列的形式， 输出到双向长短时记 忆网络层中； 双向LSTM层用于将每个时间序列的前向LSTM捕获上文特征信息和后向LSTM捕获的下 文特征信息进行拼接， 通过线性全连接层将输出映射为一个维度等于输出标签数 的向量， 并使用Softmax函数 得到每个单词对应 每个标签的概 率； CRF层用于将双向LSTM层的输出概 率作为状态特 征向量， 对序列进行字符化序列标注。 5.根据权利要求1所述的一种应急事件事理图谱构建方法， 其特征在于： 所述步骤四具 体包括依存句法分析、 融合实体和触发词信息的事 件元素抽取方法； 依存句法分析用于事件影响类和应急决策类的事件元素抽取任务， 使用LTP工具抽取 出包含此类事 件触发词的核心词汇； 融合实体和触发词信息的事 件元素抽取方法用于事 件发生类的事 件元素抽取任务。 6.根据权利要求1所述的一种应急事件事理图谱构建方法， 其特征在于： 所述步骤五采 用模式匹配与神经网络相结合的方法： 首先， 将突发事件识别和元素抽取任务得到的结构化的事件， 两两组队构成事件对的 形式， 然后判断两个事件是否来自同一个事件描述句， 若两个事件来自同一事件描述句且 存在因果连接词， 说明该事件描述句中存在显示因果关系， 因此用模式匹配的方法来进行权　利　要　求　书 1/2 页 2 CN 115455202 A 2因果关系的抽取， 否则， 说明该事件描述句中存在隐式因果关系或不存在因果关系， 用神经 网络的方法来进行事 件因果关系的抽取。 7.根据权利要求6所述的一种应急事件事理图谱构建方法， 其特征在于： 所述两两组队 构成事件对的形式具体如下： (1)将每篇语料中包 含的事件放入对应的事 件列表中； (2)开始对事件列表进行遍历： 将事件列表中的事件进行两两组队， 构成事件对， 直至 遍历完所有语料。 8.根据权利要求1所述的一种应急事件事理图谱构建方法， 其特征在于： 所述步骤六中 事件融合具体包括： 首先， 构建侯选事件对， 并对结构化的事件元素进行规范化处理， 然后 进行事件综合相似度计算。 9.根据权利要求8所述的一种应急事件事理图谱构建方法， 其特征在于： 所述构建侯选 事件对具体如下： (1)将事件抽取任务抽取的事件放入事件列表s＝{E1,E2,…,En}中， 其中， n为抽取的事 件总数； (2)开始对事件列表s进行遍历， 判断事件Ei与事件Ej是否是同一类型， 其中i≠j； 若是 同一类型事 件， 则将事 件Ei与事件Ej组成事件对<Ei,Ej,0>， 直至遍历完所有的事 件； (3)对于事件对<Ei,Ej,lable>， lable∈{0, ‑1,‑2}； lable＝ ‑2表示事件Ei和事件Ej是同 一事件， 需要进行事件融合； lable＝ ‑1表示事件Ei和事件Ej是相似事件， 不需要进行事件融 合； lable＝0表示事 件Ei和事件Ej没有关系。 10.根据权利要求8所述的一种应急事件事理图谱构建方法， 其特征在于： 所述事件综 合相似度计算具体包括事件描述句相似度计算、 事件元素相似度计算、 事件描述句实体共 现计算； 事件描述句 相似度计算公式为： simsen(s1,s2)＝0.4×simsyntax(s1,s2)+0.6×simsemantic(s1,s2)； 事件元素相似度计算公式为： Simele(e1,e2)＝0.5×Sim(Sete1,Set22)+0.5×Simcom(e1,e2)； 事件描述句实体共现计算公式为： 权　利　要　求　书 2/2 页 3 CN 115455202 A 3