一種事件關系檢測方法及系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明設及自然語言處理技術領域，更具體地說，設及一種事件關系檢測方法及 系統(tǒng)。
【背景技術】
[0002] 邏輯關系能將離散于文本中的事件相連接，而事件關系檢測則是一項面向事件之 間邏輯關系（包括因果關系、時序關系等）的自然語言處理技術，通常用于確定離散于文本 中的事件的邏輯關系，其中，事件通常指文本中完整事件的語義單元，如事件句子等。
[0003] 現(xiàn)有技術中用于檢測離散于文本中的事件間的邏輯關系的事件關系檢測方法僅 僅著眼于某一特定的邏輯關系，如因果關系，即，僅僅能檢測出具有某一特定邏輯關系的事 件，因此，現(xiàn)有技術中的事件關系檢測技術不具有通用性。
[0004] 綜上所述，現(xiàn)有技術中的事件關系檢測技術不具有通用性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種事件關系檢測方法及系統(tǒng)，W解決現(xiàn)有技術中的事件關 系檢測技術不具有通用性的問題。
[0006] 為了實現(xiàn)上述目的，本發(fā)明提供如下技術方案：
[0007] 一種事件關系檢測方法，包括：
[000引獲取預設數(shù)量已提供邏輯關系的測試句子，每個測試句子均包括一個與該測試句 子的邏輯關系對應的測試連接詞；
[0009] 確定每個測試句子中位于測試連接詞之前的文本為測試前置文本，位于測試連接 詞之后的文本為測試后置文本；
[0010] 分析進行分詞處理后的測試前置文本的框架語義，W構建分別與每個測試句子對 應的測試前置向量，分析進行分詞處理后的測試后置文本的框架語義，W構建分別與每個 測試句子對應的測試后置向量；
[0011] 確定每個測試句子對應的測試前置向量與測試后置向量組成該測試句子的測試 向量對；
[0012] 獲取待測向量對，從全部測試句子的測試向量對中確定出與所述待測向量對相似 度最高的測試向量對，確定該測試向量對對應的測試句子的邏輯關系為所述待測向量對對 應的待測句子的邏輯關系。
[0013] 優(yōu)選的，所述分析進行分詞處理后的測試前置文本的框架語義，W構建分別與每 個測試句子對應的測試前置向量，分析進行分詞處理后的測試后置文本的框架語義，W構 建分別與每個測試句子對應的測試后置向量，包括：
[0014] 對所述測試前置文本進行分詞處理，得到分別與每個測試句子對應的測試前置詞 組；對所述測試后置文本進行分詞處理，得到分別與每個測試句子對應的測試后置詞組；
[0015] 分析所述測試前置詞組中的詞語的框架語義，得到每個測試句子的前置框架語義 集合；
[0016] 分析所述測試后置詞組中的詞語的框架語義，得到每個測試句子的后置框架語義 集合；
[0017] 利用所述前置框架語義集合構建每個測試句子的測試前置向量，利用所述后置框 架語義集合構建每個測試句子的測試后置向量。
[001引優(yōu)選的，所述獲取預設數(shù)量已提供邏輯關系的測試句子，每個測試句子均包括一 個與該測試句子的邏輯關系對應的測試連接詞，包括：
[0019] 獲取指定文本信息；
[0020] 將所述文本信息進行分句處理，得到第一句子；
[0021] 確定所述第一句子中已提供邏輯關系的句子為第二句子；
[0022] 獲取每個第二句子所包含的連接詞；
[0023] 確定所述第二句子中其連接詞指向該第二句子的邏輯關系的概率大于預設闊值 的預設數(shù)量句子為測試句子。
[0024] 優(yōu)選的，所述獲取待測向量對，包括；
[002引獲取待測句子；
[0026] 確定該待測句子中的一個連接詞為待測連接詞；
[0027] 確定所述待測句子中位于所述待測連接詞之前的文本為待測前置文本，位于所述 待測連接詞之后的文本為待測后置文本；
[002引分析進行分詞處理后的待測前置文本的框架語義，W構建待測前置向量，分析進 行分詞處理后的待測后置文本的框架語義，W構建待測后置向量；
[0029] 確定所述待測前置向量和所述待測后置向量組成待測向量對。
[0030] 優(yōu)選的，所述從全部測試句子的測試向量對中確定出與所述待測向量對相似度最 高的測試向量對，包括：
[0031] 確定所述待測向量對的待測前置向量和待測后置向量；
[0032] 計算每個測試句子的測試前置向量與所述待測前置向量的第一相似度，W及該測 試句子的測試后置向量與所述待測后置向量的第二相似度；
[0033] 利用所述第一相似度和所述第二相似度確定所述待測向量對與每個測試句子的 測試向量對的相似度；
[0034] 確定出所述相似度中最高的相似度對應的測試向量對。
[0035] 優(yōu)選的，所述計算每個測試句子的測試前置向量與所述待測前置向量的第一相似 度，W及該測試句子的測試后置向量與所述待測后置向量的第二相似度，包括：
[0036] 計算每個測試句子的測試前置向量與所述待測前置向量的向量余弦值，并將該向 量余弦值確定為第一相似度；
[0037] 計算每個測試句子的測試后置向量與所述待測后置向量的向量余弦值，并將該向 量余弦值確定為第二相似度。
[003引優(yōu)選的，所述利用所述第一相似度和所述第二相似度確定所述待測向量對與每個 測試句子的測試向量對的相似度，包括：
[0039] 按照下列公式計算所述相似度：
[0040]
[0041] 其中，Sim為所述待測向量對與每個測試句子的測試向量對的相似度，EveSimi所 述為第一相似度，EveSims為所述第二相似度，e為自然常數(shù)。
[0042] 一種事件關系檢測系統(tǒng)，包括：
[0043] 獲取模塊，用于獲取預設數(shù)量已提供邏輯關系的測試句子，每個測試句子均包括 一個與該測試句子的邏輯關系對應的測試連接詞；
[0044] 第一確定模塊，用于確定每個測試句子中位于測試連接詞之前的文本為測試前置 文本，位于測試連接詞之后的文本為測試后置文本；
[0045] 向量構建模塊，用于分析進行分詞處理后的測試前置文本的框架語義，W構建分 別與每個測試句子對應的測試前置向量，分析進行分詞處理后的測試后置文本的框架語 義，W構建分別與每個測試句子對應的測試后置向量；
[0046] 第二確定模塊，用于確定每個測試句子對應的測試前置向量與測試后置向量組成 該測試句子的測試向量對；
[0047] 第=確定模塊，用于獲取待測向量對，從全部測試句子的測試向量對中確定出與 所述待測向量對相似度最高的測試向量對，確定該測試向量對對應的測試句子的邏輯關系 為所述待測向量對對應的待測句子的邏輯關系。
[0048] 本發(fā)明提供的一種事件關系檢測方法及系統(tǒng)，通過已提供邏輯關系、且包括有與 邏輯關系相對應的連接詞的預設數(shù)量測試句子，建立與每個測試句子對應的測試向量對， 并確定出與待測向量對相似度最高的測試向量對，該測試向量對對應的測試句子的邏輯關 系即為待測向量對對應的待測句子的邏輯關系。目P，確定相似度最高的兩個向量對所對應 的句子具有相同的邏輯關系。本申請?zhí)峁┑囊环N事件關系檢測方法及系統(tǒng)，不僅僅能檢測 出某一特定邏輯關系，而是可W根據(jù)需要獲取與任意邏輯關系對應的測試句子及測試向量 對，進而確定待測向量的邏輯關系，具有通用性；且實驗證明，本發(fā)明提供的一種事件關系 檢測方法及系統(tǒng)獲得的檢測結果具有較高的準確度。
【附圖說明】
[0049] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可W根據(jù) 提供的附圖獲得其他的附圖。
[0050] 圖1為本發(fā)明實施例提供的一種事件關系檢測方法的流程圖；
[0化1]圖2為本發(fā)明實施例提供的一種事件關系檢測方法中步驟S13的流程圖；
[0052] 圖3為本發(fā)明實施例提供的一種事件關系檢測方法中步驟S11的流程圖；
[0053] 圖4為本發(fā)明實施例提供的一種事件關系檢測方法中獲取待測向量對的流程圖；
[0054]圖5為本發(fā)明實施例提供的一種事件關系檢測方法中從全部測試句子的測試向 量對中確定出與待測向量對相似度最高的測試向量對的流程圖；
[0055]圖6為本發(fā)明實施例提供的一種事件關系檢測系統(tǒng)的結構示意圖。
【具體實施方式】
[0056] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0057] 請參閱圖1，其示出了本發(fā)明實施例提供的一種事件關系檢測方法的流程圖，可W 包括W下步驟：
[005引S11 ;獲取預設數(shù)量已提供邏輯關系的測試句子，每個測試句子均包括一個與該測 試句子的邏輯關系對應的測試連