(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 202211372951.2 (22)申请日 2022.11.04 (71)申请人 文灵科技 （北京） 有限公司 地址 102200 北京市昌平区未来科 学城英 才北三街16号院15号楼 2单元408室 (72)发明人 宋永生　王楠　 (74)专利代理 机构 无锡苏元专利代理事务所 (普通合伙) 32471 专利代理师 王清伟 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/284(2020.01) G06F 40/247(2020.01) (54)发明名称 一种基于语义分析的事件层次网络识别系 统及方法 (57)摘要 本申请公开了一种基于语义分析的事件层 次网络识别系统及方法， 包括： 为待分析的目标 文本指定主题描述； 对指定的主题描述进行分词 处理， 并基于预设概念库查找出各分词的关联语 义概念， 完成事件识别； 利用扩展主题描述对目 标文本进行初次过滤， 以在过滤后获得候选文本 段； 确定所提取的文 段特征向量与扩展主题向量 的相关度， 以进行二次过滤， 获得目标事件的相 关文本； 从相关文本中提取多个子事件， 并确定 与目标事件之间的关联关系， 从而提取事件和事 件之间的关系； 基于所确定的关联关系构建目标 事件的事件层次网络。 本申请实施例的事件层次 网络识方法能够自动构建事件层次网络图谱， 解 决人工标注成本高、 效率低的问题。 权利要求书3页 说明书8页 附图1页 CN 115422948 A 2022.12.02 CN 115422948 A 1.一种基于语义分析的事件层次网络识别方法， 其特征在于， 应用于从待分析的目标 文本中识别出目标事 件的层次网络， 包括： 获取待分析的目标文本； 基于所述目标事 件， 为所述待分析的目标文本指定主题描述； 对指定的主题描述进行分词处 理， 并基于预设概念库查找出 各分词的关联语义 概念； 基于语义逻辑关系组合所查询出的关联语义 概念， 以形成数个扩展 主题描述； 利用查找的关联语义概念， 以及， 所述扩展主题描述对所述目标文本进行初次过滤， 以 在过滤后获得候选文本段； 从所述候选文本段中提取文段特征向量， 并基于所述扩展主题描述构建扩展主题向 量； 确定所提取的文段特征向量与所述扩展主题向量的相关度， 以进行二次过滤， 获得目 标事件的相关文本； 从所述相关文本 中提取多个子事件， 并确定子事件与子事件之间， 以及， 子事件与目标 事件之间的关联关系； 基于所确定的关联关系构建所述目标事 件的事件层次网络 。 2.如权利要求1所述的基于语义分析的事件层次网络识别方法， 其特征在于， 利用查找 的关联语义概念， 以及， 所述扩展主题描述对所述目标文本进 行初次过滤， 以在过滤后获得 候选文本段包括： 从所述目标文本中选取包 含关联语义 概念的多个子文本段； 对任一子文本段： 基于目标事 件为各关联语义 概念配置对应的语义权 重； 确定任一子文本段中各关联语义 概念在所述任一子文本段的等效出现密度满足： 其中， 表示子文本段 k中所有关联语 义概念的等效出 现密度，l表示关联语 义概念的总 数， 表示第i个关联语义概念在任一子文本段的出现次数，   表示第i个关联语义概念的 语义权重，  表示子文本段 k的字数； 确定各扩展 主题描述与所述任一子文本段之间的语义关联度的最大值 ； 根据所述等效出现密度   以及语义关联度的最大值   ， 确定所述任一子文本段的 关联度满足： 其中，  表示子文本段 k的关联度； 去除关联度低于预设 关联度阈值的文本段， 以获得候选文本段。 3.如权利要求2所述的基于语义分析的事件层次网络识别方法， 其特征在于， 从所述候 选文本段中提取文段 特征向量， 并基于所述扩展 主题描述构建扩展 主题向量包括：权　利　要　求　书 1/3 页 2 CN 115422948 A 2从所述候选文本中提取 特征项  ； 为各特征项， 重复确定任一特 征项的等效出现密度： 其中， 表示任一特征项的等 效出现密度，   表示第m个特征项包含的相关关联语义 概念的语义权重最大值，   表示第m个特征项包含的相关关联语义概念在任一子文本段 的等效出现次数， 表示任一子文本段的字数； 配置等效权 重满足： 其中， 为权重系数，  为权重基数； 构建文段 特征向量D=( )， 其中 ； 基于所述扩展主题描述构建扩展主题向量   =( )， 其中  表示第j个扩展 主题描述的特 征项数。 4.如权利要求3所述的基于语义分析的事件层次网络识别方法， 其特征在于， 基于所述 扩展主题描述构建扩展 主题向量包括： 确定所述扩展 主题描述的各分词， 并根据各分词的同义词构建正例样本； 基于所述 正例样本的近义词构建 关联样本； 基于所述扩展主题描述的各分词、 所述正例 样本中第 一数量的同义词以及所述关联样 本中第二数量的近义词构建扩展 主题向量。 5.如权利要求4所述的基于语义分析的事件层次网络识别方法， 其特征在于， 确定所提 取的文段特征向量与所述扩展主题描述向量的相关度， 以进行二次过滤， 获得目标事件的 相关文本包括： 其中，  表示文段 特征向量D与第 j个扩展主题向量  之间的相关度； 为任一扩展 主题描述： 选取相关度大于预设相关度阈值的文本段， 以获得所述任一扩展主题描述对应的文本 作为中间文本 。 6.如权利要求5所述的基于语义分析的事件层次网络识别方法， 其特征在于， 进行二 次 过滤， 获得目标事 件的相关文本还 包括： 对任一扩展 主题描述的中间文本： 计算确定所述中间文本中各词的互信息量， 满足：权　利　要　求　书 2/3 页 3 CN 115422948 A 3