CN105389304A - 事件提取方法及装置 - Google Patents

Abstract

本公开是关于一种事件提取方法及装置，其中，事件提取方法包括：获取用户的交互信息；分割出交互信息的会话场景；根据预存的动词的配价资源库从会话场景中识别出事件的要素，并根据要素提取出事件。本公开实施例，通过分割出交互信息的会话场景，并根据预存的动词的配价资源库从会话场景中识别出事件的要素，使得提取的事件要素关联性更强、更全面，进而使得根据事件的要素提取出的事件更准确、更全面。

Description

事件提取方法及装置

技术领域

本公开涉及自然语言处理领域，尤其涉及一种事件提取方法及装置。

背景技术

随着移动终端技术的快速发展，各种移动终端例如手机已非常普及，并且为人们提供了便利，例如，用户可以利用短信进行事件提醒。

目前，利用短信进行事件提醒的过程可以包括：接收发送至移动终端的短信消息，根据预设规则中包含的事件关键字，识别短信消息中是否包含至少一个事件关键字；响应于短信消息中包含至少一个事件关键字，提示用户选择将短信消息作为事件提醒记录或者事件备忘记录；并根据选择结果，提取短信消息生成事件备忘记录或者事件提醒记录。

由此可见，上述方案采用关键字匹配的方式，有选择地将短信消息作为事件提醒记录，但是采用上述实现方式从短信中提取的事件不全面，目前急需一种可以从短信中全面地提取事件的方式。

发明内容

为克服相关技术中存在的问题，本公开提供一种事件提取方法及装置。

根据本公开实施例的第一方面，提供一种事件提取方法，包括：

获取用户的交互信息；

分割出所述交互信息的会话场景；

根据预存的动词的配价资源库从所述会话场景中识别出事件的要素，并根据所述要素提取出事件。

在一实施例中，所述方法还包括：

在所述根据所述要素提取出事件之后，生成所述事件的提醒记录。

在一实施例中，所述分割出所述交互信息的会话场景，包括：

使用CRF标注出所述交互信息中的会话类型，所述会话类型包括开始会话、中间会话和结束会话；

根据每条交互信息的会话类型从所述交互信息中分割出会话场景。

在一实施例中，所述使用CRF标注出所述交互信息中的会话类型，包括：

使用CRF标注出所述交互信息中每条交互信息所有可能存在的会话类型；

从所述每条交互信息中提取出至少一个特征，计算每个特征相对于任一会话类型的权重；

根据所有特征相对于不同会话类型的权重，确定出每条交互信息的最终会话类型。

在一实施例中，所述根据预存的动词的配价资源库从所述会话场景中识别出事件的要素，包括：

从所述会话场景中识别出动词集合；

从所述动词集合中识别出事件的主题；

根据命名实体识别NER从所述会话场景中识别出所述主题对应事件的时间和地点；

根据所述动词的配价资源库获得所述主题的配价资源，根据所述主题的配价资源从所述会话场景中提取出所述主题对应事件的参与物，所述参与物包括所述主题对应事件的执行主体、客体和执行对象。

在一实施例中，所述从所述动词集合中识别出事件的主题，包括：

采用分类模型根据所述动词集合中每个动词的特征，计算出每个动词是主题的概率；

根据所述每个动词是主题的概率确定出作为所述主题的动词。

在一实施例中，所述动词的特征包括动词的长度、结构、出现的位置、所属的类别和配价的类型中的至少一种。

在一实施例中，所述根据命名实体识别NER从所述会话场景中识别出所述主题对应事件的时间和地点，包括：

若从所述会话场景中识别出多个不同的时间，则选择与所述主题之间距离最小的时间作为所述主题对应事件的时间；和/或

若从所述会话场景中识别出多个不同的地点，则选择与所述主题之间距离最小的地点作为所述主题对应事件的地点。

根据本公开实施例的第二方面，提供一种事件提取装置，包括：

获取模块，被配置为获取用户的交互信息；

分割模块，被配置为分割出所述获取模块获取的所述交互信息的会话场景；

识别提取模块，被配置为根据预存的动词的配价资源库从所述分割模块分割出的所述会话场景中识别出事件的要素，并根据所述要素提取出事件。

在一实施例中，所述装置还包括：

生成模块，被配置为在所述识别提取模块根据所述要素提取出事件之后，生成所述事件的提醒记录。

在一实施例中，所述分割模块包括：

标注子模块，被配置为使用CRF标注出所述交互信息中的会话类型，所述会话类型包括开始会话、中间会话和结束会话；

分割子模块，被配置为根据所述标注子模块标注出的每条交互信息的会话类型从所述交互信息中分割出会话场景。

在一实施例中，所述标注子模块包括：

标注单元，被配置为使用CRF标注出所述交互信息中每条交互信息所有可能存在的会话类型；

提取计算单元，被配置为从所述每条交互信息中提取出至少一个特征，计算每个特征相对于所述标注单元标注的任一会话类型的权重；

确定单元，被配置为根据所述提取计算单元计算的所有特征相对于不同会话类型的权重，确定出每条交互信息的最终会话类型。

在一实施例中，所述识别提取模块包括：

第一识别子模块，被配置为从所述会话场景中识别出动词集合；

第二识别子模块，被配置为从所述第一识别子模块识别出的所述动词集合中识别出事件的主题；

第三识别子模块，被配置为根据命名实体识别NER从所述会话场景中识别出所述第二识别子模块识别出的所述主题对应事件的时间和地点；

获得提取子模块，被配置为根据所述动词的配价资源库获得所述主题的配价资源，根据所述主题的配价资源从所述会话场景中提取出所述主题对应事件的参与物，所述参与物包括所述主题对应事件的执行主体、客体和执行对象。

在一实施例中，所述第二识别子模块包括：

计算单元，被配置为采用分类模型根据所述动词集合中每个动词的特征，计算出每个动词是主题的概率；

确定单元，被配置为根据所述计算单元计算出的所述每个动词是主题的概率确定出作为所述主题的动词。

在一实施例中，所述动词的特征包括动词的长度、结构、出现的位置、所属的类别和配价的类型中的至少一种。

在一实施例中，所述第三识别子模块包括：

第一选择单元，被配置为若从所述会话场景中识别出多个不同的时间，则选择与所述主题之间距离最小的时间作为所述主题对应事件的时间；和/或

第二选择单元，被配置为若从所述会话场景中识别出多个不同的地点，则选择与所述主题之间距离最小的地点作为所述主题对应事件的地点。

根据本公开实施例的第三方面，提供一种事件提取装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

获取用户的交互信息；

分割出所述交互信息的会话场景；

根据预存的动词的配价资源库从所述会话场景中识别出事件的要素，并根据所述要素提取出事件。

本公开的实施例提供的技术方案可以包括以下有益效果：通过分割出交互信息的会话场景，并根据预存的动词的配价资源库从会话场景中识别出事件的要素，使得提取的事件要素关联性更强、更全面，进而使得根据事件的要素提取出的事件更准确、更全面。

通过生成事件的提醒记录，为用户提供提醒服务，较好地提升用户的使用体验。

基于CRF从所述交互信息中分割出会话场景，实现方式简单、准确率高。

根据计算的所有特征相对于不同会话类型的权重，确定出每条交互信息的最终会话类型，准确率高。

根据动词的配价资源库从所述会话场景中识别出事件的参与物，使得提取的参与物更全面，从而使得提取的事件要素更全面。

采用分类模型计算出每个动词是主题的概率，并根据每个动词是主题的概率确定出作为所述主题的动词，实现方式简单、准确率高。

通过描述动词特征的内容，使得确定作为主题的动词的过程更加清楚。

描述了当存在多个不同的时间或地点后，从中选择一个时间或地点的方式，实现方式简单。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种事件提取方法的流程图。

图2是根据一示例性实施例示出的另一种事件提取方法的流程图。

图3是根据一示例性实施例示出的一种分割出会话场景的方法流程图。

图4是根据一示例性实施例示出的一种从会话场景中识别出事件的要素的方法流程图。

图5是根据一示例性实施例示出的一种事件提取装置的框图。

图6是根据一示例性实施例示出的另一种事件提取装置的框图。

图7是根据一示例性实施例示出的另一种事件提取装置的框图。

图8是根据一示例性实施例示出的另一种事件提取装置的框图。

图9是根据一示例性实施例示出的另一种事件提取装置的框图。

图10是根据一示例性实施例示出的另一种事件提取装置的框图。

图11是根据一示例性实施例示出的另一种事件提取装置的框图。

图12是根据一示例性实施例示出的一种适用于事件提取装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种事件提取方法的流程图，如图1所示，该事件提取方法可应用于移动终端上，该移动终端可以包括但不限于手机、平板电脑(PAD)等终端，该事件提取方法包括以下步骤S101-S103：

在步骤S101中，获取用户的交互信息。

在该实施例中，移动终端例如手机可以获取用户输入的短信息。需要说明的是，该实施例中的交互信息可以为短信息，但不局限于短信息，例如可以为米聊信息等。

在步骤S102中，分割出交互信息的会话场景。

在该实施例中，可以基于条件随机场(CRF)来分割交互信息的会话场景。

基于CRF分割交互信息的会话场景可以包括：使用CRF标注出交互信息中的会话类型，会话类型包括开始会话、中间会话和结束会话；根据每条交互信息的会话类型从交互信息中分割出会话场景。

例如，当前获取的交互信息为：

A:周末一块吃饭？

B:好啊去哪？

A:中关村的眉州东坡，怎么样？

B:不错晚上6点半左右在那碰面？

A:好的。那到时候见。

B:你家宝宝咳嗽好了吗？

A:好了，多谢关心。

假设，使用CRF标注出该交互信息中第一条信息为开始会话，第二条信息至第四条信息为中间会话，第五条信息为结束会话，则可以从这段交互信息中分割出一个会话场景，即该会话场景由第一条信息至第五条信息组成。

在步骤S103中，根据预存的动词的配价资源库从会话场景中识别出事件的要素，并根据要素提取出事件。

在该实施例中，可以根据与动词发生联系的名词性成分的数量来确定动词的“价”，动词的配件资源库中可以包含不同价的动词。

例如，“我把笔记本借给张三了”中的“借”支配了“我”、“笔记本”和“张三”，因此，“借”是三价动词。其中“我”是施事、“笔记本”是与事、“张三”是受事。施事在语法上指动作的主体，也就是发出动作或发生变化的人或事物。受事在语法上指动作的对象，也就是受动作支配的人或事物。与事在语法上指接受某事物或从一行动中获益的人或事物。

动词的配价资源库可以是开发人员根据需要自己构建的，也可以由其他组织或机构免费向公众提供的，移动终端在接收并保存用户输入的动词的配价资源库后，可以从会话场景中识别出事件的要素。

其中，事件的要素可以包括：事件的主题、时间、地点和参与物。在该实施例中，参与物是指参与的人和物，即事件的执行主体、客体和执行对象。

在识别出事件的要素之后，可以根据事件的要素提取出事件。

由于从交互信息中提取的会话场景为一组相关性很强的会话序列，因此，从会话场景中提取的事件要素比从所有交互信息中提取的事件要素关联性更强，同时，根据动词的配价资源库可以从会话场景中识别出更全面的事件要素，从而使得本实施例中，根据这些要素提取的事件更全面、更准确。

上述事件提取方法实施例，通过分割出交互信息的会话场景，并根据预存的动词的配价资源库从会话场景中识别出事件的要素，使得提取的事件要素关联性更强、更全面，进而使得根据事件的要素提取出的事件更准确、更全面。

图2是根据一示例性实施例示出的另一种事件提取方法的流程图，如图2所示，在上述步骤S103之后，该方法还可以包括：

在步骤S104中，生成事件的提醒记录。

在该实施例中，在从交互信息中提取出事件之后，可以根据用户的操作指令生成对应事件的提醒记录，例如，用户可点击短信，一键在日历中添加对应事件的提醒记录；也可以是根据事件的级别自动生成对应事件的提醒记录，例如，该事件为重要级别，则自动生成对应事件的提醒记录。

上述事件提取方法实施例，通过生成事件的提醒记录，为用户提供提醒服务，较好地提升用户的使用体验。

图3是根据一示例性实施例示出的一种分割出会话场景的方法流程图，如图3所示，分割出会话场景的方法可以包括：

在步骤S301中，使用CRF标注出交互信息中每条交互信息所有可能存在的会话类型。

对于每条交互信息例如短信而言，它具有三种会话类型，即开始(B)会话、中间(I)会话和结束(E)会话。

在该实施例中，假设会话序列为：O1，O2，O3…On，Si表示Oi的会话类型(i＝1…n)，由于每个Si可能标注的会话类型有{B,I,E}3种，因此，S1，S2，S3…Sn就有3的n次方种标注方式。

在步骤S302中，从每条交互信息中提取出至少一个特征，计算每个特征相对于任一会话类型的权重。

在该实施例中，CRF可以从交互信息例如短信中提取出特征，其中，这些特征可以包括：短信的开头词(你好、好啊、在么……)、短信的结尾词(拜拜、晚安、睡了……)、短信的发送或接收时间、相邻短信的间隔时间、短信中的动词、短信中的命名实体(例如，时间、地点、人物)、相邻短信中的动词组合、短信的长度、上一条短信与本条短信是否都为接收短信等。

然后，可以计算每个特征相对于任一会话类型的权重。

在步骤S303中，根据所有特征相对于不同会话类型的权重，确定出每条交互信息的会话类型。

在该实施例中，计算条件概率：P(S1，S2，S3…Sn/O1，O2，O3…On)，其中，S1，S2，S3…Sn有3的n次方种标注方式。

CRF根据所有特征相对于不同会话类型的权重，计算出一个最好的标注方式，使得条件概率P(S1，S2，S3…Sn/O1，O2，O3…On)最大。

根据该最好的标注方式就可以确定出每条交互信息的最终会话类型。

在步骤S304中，根据每条交互信息的会话类型从交互信息中分割出会话场景。

在该实施例中，假设O1是开始会话，O2和O3是中间会话，O4是结束会话，则可以从交互信息O1，O2，O3…On(n>5)中分割出会话场景O1，O2，O3，O4。

上述实施例，基于CRF从交互信息中分割出会话场景，实现方式简单、准确率高。

图4是根据一示例性实施例示出的一种从会话场景中识别出事件的要素的方法流程图，如图4所示，包括如下步骤：

在步骤S401中，从会话场景中识别出动词集合。

假设，从交互短信中分割出的会话场景为：

A:周末一块吃饭？

B:好啊去哪？

A:中关村的眉州东坡，怎么样？

B:不错晚上6点半左右在那碰面？

A:好的。那到时候见。

在该实施例中，从该会话场景中识别出的动词集合为：吃饭、去、碰面和见。

在步骤S402中，从上述动词集合中识别出事件的主题。

在该实施例中，可以采用分类模型识别出事件的主题。其中，分类模型可以包括但不限于决策树、支持向量机(SVM)等分类器以及贝叶斯、逻辑回归和最大熵模型。

其中，采用决策树、支持向量机(SVM)等分类器时，先对分类器进行训练，以调整好分类器的参数，然后采用训练好的分类器对动词集合中的动词进行分类处理，以输出属于主题的动词。

而在采用贝叶斯、逻辑回归和最大熵模型时，根据动词集合中每个动词的特征，计算出每个动词是主题的概率，然后根据每个动词是主题的概率确定属于主题的动词。

其中，动词的特征可以包括动词的长度、结构、出现的位置、所属的类别和配价的类型中的至少一种。其中，动词的结构可以是“吃饭”、“碰面”等动宾结构，动词出现的位置是指动词在对话场景中出现的先后位置，动词的类别是指动词属于使动词、行为动词、联系动词等。动词配价的类型是指施事、受事、与事的类型。

在步骤S403中，根据命名实体识别从会话场景中识别出主题对应事件的时间和地点。

在该实施例中，可以采用命名实体识别(NER)的方式从上述会话场景中识别出时间为周末晚上6点半左右，地点为中关村的眉州东坡。

假设从会话场景中可以识别出多个不同的时间，则可以选择与主题之间距离最小的时间作为主题对应事件的时间。同样地，如果从会话场景中可以识别出多个不同的地点，则可以选择与主题之间距离最小的地点作为主题对应事件的地点。

在步骤S404中，根据动词的配价资源库获得主题的配价资源，根据主题的配价资源从会话场景中提取出主题对应事件的参与物，参与物包括主题对应事件的执行主体、客体和执行对象。

在该实施例中，可以从动词的配价资源库获得主题的配价资源，然后采用NER技术从对话场景中提取结果，填充到事件的参与物中。

上述实施例，根据动词的配价资源库从会话场景中识别出事件的参与物，使得提取的参与物更全面，从而使得提取的事件要素更全面。

与前述事件提取方法实施例相对应，本公开还提供了事件提取装置实施例。

图5是根据一示例性实施例示出的一种事件提取装置的框图，如图5所示，事件提取装置包括：获取模块51、分割模块52和识别提取模块53。

获取模块51被配置为获取用户的交互信息。

该实施例中的交互信息可以为短信息，但不局限于短信息，例如可以为米聊信息等。

分割模块52被配置为分割出获取模块获取的交互信息的会话场景。

在该实施例中，分割模块52可以使用CRF标注出交互信息中的会话类型，会话类型包括开始会话、中间会话和结束会话；根据每条交互信息的会话类型从交互信息中分割出会话场景。识别提取模块53被配置为根据预存的动词的配价资源库从分割模块分割出的会话场景中识别出事件的要素，并根据要素提取出事件。

在该实施例中，可以根据与动词发生联系的名词性成分的数量来确定动词的“价”，动词的配件资源库中可以包含不同价的动词。

例如，“我把笔记本借给张三了”中的“借”支配了“我”、“笔记本”和“张三”，因此，“借”是三价动词。其中“我”是施事、“笔记本”是与事、“张三”是受事。施事在语法上指动作的主体，也就是发出动作或发生变化的人或事物。受事在语法上指动作的对象，也就是受动作支配的人或事物。与事在语法上指接受某事物或从一行动中获益的人或事物。

动词的配价资源库可以是开发人员根据需要自己构建的，也可以由其他组织或机构免费向公众提供的，移动终端在接收并保存用户输入的动词的配价资源库后，可以从会话场景中识别出事件的要素。

其中，事件的要素可以包括：事件的主题、时间、地点和参与物。在该实施例中，参与物是指参与的人和物，即事件的执行主体、客体和执行对象。

识别提取模块53在识别出事件的要素之后，可以根据事件的要素提取出事件。

由于从交互信息中提取的会话场景为一组相关性很强的会话序列，因此，从会话场景中提取的事件要素比从所有交互信息中提取的事件要素关联性更强，同时，根据动词的配价资源库可以从会话场景中识别出更全面的事件要素，从而使得本实施例中，根据这些要素提取的事件更全面、更准确。如图5所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，通过分割模块分割出交互信息的会话场景，并通过识别提取模块根据预存的动词的配价资源库从会话场景中识别出事件的要素，使得提取的事件要素关联性更强、更全面，进而使得根据事件的要素提取出的事件更准确、更全面。

图6是根据一示例性实施例示出的另一种事件提取装置的框图，如图9所示，在上述图5所示实施例的基础上，该装置还可包括：生成模块54。

生成模块54被配置为在识别提取模块53根据要素提取出事件之后，生成事件的提醒记录。

在该实施例中，识别提取模块53在从交互信息中提取出事件之后，生成模块54可以根据用户的操作指令生成对应事件的提醒记录，例如，用户可点击短信，一键在日历中添加对应事件的提醒记录；也可以是根据事件的级别自动生成对应事件的提醒记录，例如，该事件为重要级别，则自动生成对应事件的提醒记录。

如图6所示的装置用于实现上述如图2所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，通过生成事件的提醒记录，为用户提供提醒服务，较好地提升用户的使用体验。

图7是根据一示例性实施例示出的另一种事件提取装置的框图，如图7所示，在上述图5所示实施例的基础上，分割模块52可包括：标注子模块521和分割子模块522。

标注子模块521，被配置为使用CRF标注出交互信息中的会话类型，会话类型包括开始会话、中间会话和结束会话。

分割子模块522，被配置为根据标注子模块521标注出的每条交互信息的会话类型从交互信息中分割出会话场景。

例如，当前获取的交互信息为：

A:周末一块吃饭？

B:好啊去哪？

A:中关村的眉州东坡，怎么样？

B:不错晚上6点半左右在那碰面？

A:好的。那到时候见。

B:你家宝宝咳嗽好了吗？

A:好了，多谢关心。

假设，使用CRF标注出该交互信息中第一条信息为开始会话，第二条信息至第四条信息为中间会话，第五条信息为结束会话，则可以从这段交互信息中分割出一个会话场景，即该会话场景由第一条信息至第五条信息组成。如图7所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，基于CRF从交互信息中分割出会话场景，实现方式简单、准确率高。

图8是根据一示例性实施例示出的另一种事件提取装置的框图，如图8所示，在上述图7所示实施例的基础上，标注子模块521包括：标注单元5211、提取计算单元5212和确定单元5213。

标注单元5211，被配置为使用CRF标注出交互信息中每条交互信息所有可能存在的会话类型。

对于每条交互信息例如短信而言，它具有三种会话类型，即开始(B)会话、中间(I)会话和结束(E)会话。

在该实施例中，假设会话序列为：O1，O2，O3…On，Si表示Oi的会话类型(i＝1…n)，由于每个Si可能标注的会话类型有{B,I,E}3种，因此，S1，S2，S3…Sn就有3的n次方种标注方式。

提取计算单元5212，被配置为从每条交互信息中提取出至少一个特征，计算每个特征相对于标注单元5211标注的任一会话类型的权重。

在该实施例中，提取计算单元5212可以从交互信息例如短信中提取出特征，其中，这些特征可以包括：短信的开头词(你好、好啊、在么……)、短信的结尾词(拜拜、晚安、睡了……)、短信的发送或接收时间、相邻短信的间隔时间、短信中的动词、短信中的命名实体(例如，时间、地点、人物)、相邻短信中的动词组合、短信的长度、上一条短信与本条短信是否都为接收短信等。

然后，可以计算每个特征相对于任一会话类型的权重。

确定单元5213，被配置为根据提取计算单元5212计算的所有特征相对于不同会话类型的权重，确定出每条交互信息的最终会话类型。

在该实施例中，计算条件概率：P(S1，S2，S3…Sn/O1，O2，O3…On)，其中，S1，S2，S3…Sn有3的n次方种标注方式。

确定单元5213根据所有特征相对于不同会话类型的权重，计算出一个最好的标注方式，使得条件概率P(S1，S2，S3…Sn/O1，O2，O3…On)最大。

根据该最好的标注方式就可以确定出每条交互信息的最终会话类型。

如图8所示的装置用于实现上述如图3所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，根据提取计算单元计算的所有特征相对于不同会话类型的权重，确定出每条交互信息的最终会话类型，准确率高。

图9是根据一示例性实施例示出的另一种事件提取装置的框图，如图9所示，在上述图8所示实施例的基础上，识别提取模块53可包括：

第一识别子模块531，被配置为从会话场景中识别出动词集合。

假设，从交互短信中分割出的会话场景为：

A:周末一块吃饭？

B:好啊去哪？

A:中关村的眉州东坡，怎么样？

B:不错晚上6点半左右在那碰面？

A:好的。那到时候见。

在该实施例中，从该会话场景中识别出的动词集合为：吃饭、去、碰面和见。

第二识别子模块532，被配置为从第一识别子模块531识别出的动词集合中识别出事件的主题。

在该实施例中，可以采用分类模型识别出事件的主题。其中，分类模型可以包括但不限于决策树、支持向量机(SVM)等分类器以及贝叶斯、逻辑回归和最大熵模型。

其中，采用决策树、支持向量机(SVM)等分类器时，先对分类器进行训练，以调整好分类器的参数，然后采用训练好的分类器对动词集合中的动词进行分类处理，以输出属于主题的动词。

而在采用贝叶斯、逻辑回归和最大熵模型时，根据动词集合中每个动词的特征，计算出每个动词是主题的概率，然后根据每个动词是主题的概率确定属于主题的动词。

其中，动词的特征可以包括动词的长度、结构、出现的位置、所属的类别和配价的类型。其中，动词的结构可以是“吃饭”、“碰面”等动宾结构，动词出现的位置是指动词在对话场景中出现的先后位置，动词的类别是指动词属于使动词、行为动词、联系动词等。动词配价的类型是指施事、受事、与事的类型。

第三识别子模块533，被配置为根据命名实体识别NER从会话场景中识别出第二识别子模块532识别出的主题对应事件的时间和地点。

在该实施例中，可以采用命名实体识别(NER)的方式从上述会话场景中识别出时间为周末晚上6点半左右，地点为中关村的眉州东坡。

获得提取子模块534，被配置为根据动词的配价资源库获得主题的配价资源，根据主题的配价资源从会话场景中提取出主题对应事件的参与物，参与物包括主题对应事件的执行主体、客体和执行对象。

在该实施例中，可以从动词的配价资源库获得主题的配价资源，然后采用NER技术从对话场景中提取结果，填充到事件的参与物中。

如图9所示的装置用于实现上述如图4所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，根据动词的配价资源库从会话场景中识别出事件的参与物，使得提取的参与物更全面，从而使得提取的事件要素更全面。

图10是根据一示例性实施例示出的另一种事件提取装置的框图，如图10所示，在上述图9所示实施例的基础上，第二识别子模块532可包括：计算单元5321和确定单元5322。

计算单元5321被配置为采用分类模型根据动词集合中每个动词的特征，计算出每个动词是主题的概率。

确定单元5322被配置为根据计算单元5321计算出的每个动词是主题的概率确定出作为主题的动词。

在该实施例中，可以采用分类模型识别出事件的主题。其中，分类模型可以包括但不限于决策树、支持向量机(SVM)等分类器以及贝叶斯、逻辑回归和最大熵模型。

其中，采用决策树、支持向量机(SVM)等分类器时，先对分类器进行训练，以调整好分类器的参数，然后采用训练好的分类器对动词集合中的动词进行分类处理，以输出属于主题的动词。

而在采用贝叶斯、逻辑回归和最大熵模型时，根据动词集合中每个动词的特征，计算出每个动词是主题的概率，然后根据每个动词是主题的概率确定属于主题的动词。

其中，动词的特征可以包括动词的长度、结构、出现的位置、所属的类别和配价的类型中的至少一种。其中，动词的结构可以是“吃饭”、“碰面”等动宾结构，动词出现的位置是指动词在对话场景中出现的先后位置，动词的类别是指动词属于使动词、行为动词、联系动词等。动词配价的类型是指施事、受事、与事的类型。

如图10所示的装置用于实现上述如图4所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，采用分类模型计算出每个动词是主题的概率，并根据每个动词是主题的概率确定出作为主题的动词，方式简单、准确率高。

图11是根据一示例性实施例示出的另一种事件提取装置的框图，如图11所示，在上述图9所示实施例的基础上，第三识别子模块533可包括：第一选择单元5331和第二选择单元5332中的至少一种。

第一选择单元5331被配置为若从会话场景中识别出多个不同的时间，则选择与主题之间距离最小的时间作为主题对应事件的时间。

第二选择单元5332被配置为若从会话场景中识别出多个不同的地点，则选择与主题之间距离最小的地点作为主题对应事件的地点。

假设从会话场景中可以识别出多个不同的时间，则可以选择与主题之间距离最小的时间作为主题对应事件的时间。同样地，如果从会话场景中可以识别出多个不同的地点，则可以选择与主题之间距离最小的地点作为主题对应事件的地点。

如图11所示的装置用于实现上述如图4所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述事件提取装置实施例，描述了当存在多个不同的时间或地点后，从中选择一个时间或地点的方式，实现方式简单。

关于上述实施例中的装置，其中各个模块、子模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图12是根据一示例性实施例示出的一种适用于事件提取装置的框图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理，飞行器等。

参照图12，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)的接口1212，传感器组件1214，以及通信组件1216。

处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理部件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。

存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理***，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。

多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。

I/O接口1212为处理组件1202和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件1216经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (17)

1.一种事件提取方法，其特征在于，所述方法包括：

获取用户的交互信息；

分割出所述交互信息的会话场景；

根据预存的动词的配价资源库从所述会话场景中识别出事件的要素，并根据所述要素提取出事件。

2.根据权利要求1所述的事件提取方法，其特征在于，所述方法还包括：

在所述根据所述要素提取出事件之后，生成所述事件的提醒记录。

3.根据权利要求1所述的事件提取方法，其特征在于，所述分割出所述交互信息的会话场景，包括：

使用条件随机场CRF标注出所述交互信息中的会话类型，所述会话类型包括开始会话、中间会话和结束会话；

根据每条交互信息的会话类型从所述交互信息中分割出会话场景。

4.根据权利要求3所述的事件提取方法，其特征在于，所述使用CRF标注出所述交互信息中的会话类型，包括：

使用CRF标注出所述交互信息中每条交互信息所有可能存在的会话类型；

从所述每条交互信息中提取出至少一个特征，计算每个特征相对于任一会话类型的权重；

根据所有特征相对于不同会话类型的权重，确定出所述每条交互信息的最终会话类型。

5.根据权利要求1所述的事件提取方法，其特征在于，所述根据预存的动词的配价资源库从所述会话场景中识别出事件的要素，包括：

从所述会话场景中识别出动词集合；

从所述动词集合中识别出事件的主题；

根据命名实体识别NER从所述会话场景中识别出所述主题对应事件的时间和地点；

根据所述动词的配价资源库获得所述主题的配价资源，根据所述主题的配价资源从所述会话场景中提取出所述主题对应事件的参与物，所述参与物包括所述主题对应事件的执行主体、客体和执行对象。

6.根据权利要求5所述的事件提取方法，其特征在于，所述从所述动词集合中识别出事件的主题，包括：

采用分类模型根据所述动词集合中每个动词的特征，计算出每个动词是主题的概率；

根据所述每个动词是主题的概率确定出作为所述主题的动词。

7.根据权利要求6所述的事件提取方法，其特征在于，所述动词的特征包括动词的长度、结构、出现的位置、所属的类别和配价的类型中的至少一种。

8.根据权利要求5所述的事件提取方法，其特征在于，所述根据命名实体识别NER从所述会话场景中识别出所述主题对应事件的时间和地点，包括：

若从所述会话场景中识别出多个不同的时间，则选择与所述主题之间距离最小的时间作为所述主题对应事件的时间；和/或

若从所述会话场景中识别出多个不同的地点，则选择与所述主题之间距离最小的地点作为所述主题对应事件的地点。

9.一种事件提取装置，其特征在于，所述装置包括：

获取模块，被配置为获取用户的交互信息；

分割模块，被配置为分割出所述获取模块获取的所述交互信息的会话场景；

识别提取模块，被配置为根据预存的动词的配价资源库从所述分割模块分割出的所述会话场景中识别出事件的要素，并根据所述要素提取出事件。

10.根据权利要求9所述的事件提取装置，其特征在于，所述装置还包括：

生成模块，被配置为在所述识别提取模块根据所述要素提取出事件之后，生成所述事件的提醒记录。

11.根据权利要求9所述的事件提取装置，其特征在于，所述分割模块包括：

标注子模块，被配置为使用条件随机场CRF标注出所述交互信息中的会话类型，所述会话类型包括开始会话、中间会话和结束会话；

分割子模块，被配置为根据所述标注子模块标注出的每条交互信息的会话类型从所述交互信息中分割出会话场景。

12.根据权利要求11所述的事件提取装置，其特征在于，所述标注子模块包括：

标注单元，被配置为使用CRF标注出所述交互信息中每条交互信息所有可能存在的会话类型；

提取计算单元，被配置为从所述每条交互信息中提取出至少一个特征，计算每个特征相对于所述标注单元标注的任一会话类型的权重；

确定单元，被配置为根据所述提取计算单元计算的所有特征相对于不同会话类型的权重，确定出所述每条交互信息的最终会话类型。

13.根据权利要求9所述的事件提取装置，其特征在于，所述识别提取模块包括：

第一识别子模块，被配置为从所述会话场景中识别出动词集合；

第二识别子模块，被配置为从所述第一识别子模块识别出的所述动词集合中识别出事件的主题；

第三识别子模块，被配置为根据命名实体识别NER从所述会话场景中识别出所述第二识别子模块识别出的所述主题对应事件的时间和地点；

获得提取子模块，被配置为根据所述动词的配价资源库获得所述主题的配价资源，根据所述主题的配价资源从所述会话场景中提取出所述主题对应事件的参与物，所述参与物包括所述主题对应事件的执行主体、客体和执行对象。

14.根据权利要求13所述的事件提取装置，其特征在于，所述第二识别子模块包括：

计算单元，被配置为采用分类模型根据所述动词集合中每个动词的特征，计算出每个动词是主题的概率；

确定单元，被配置为根据所述计算单元计算出的所述每个动词是主题的概率确定出作为所述主题的动词。

15.根据权利要求14所述的事件提取装置，其特征在于，所述动词的特征包括动词的长度、结构、出现的位置、所属的类别和配价的类型中的至少一种。

16.根据权利要求13所述的事件提取装置，其特征在于，所述第三识别子模块包括：

第一选择单元，被配置为若从所述会话场景中识别出多个不同的时间，则选择与所述主题之间距离最小的时间作为所述主题对应事件的时间；和/或

第二选择单元，被配置为若从所述会话场景中识别出多个不同的地点，则选择与所述主题之间距离最小的地点作为所述主题对应事件的地点。

17.一种事件提取装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取用户的交互信息；

分割出所述交互信息的会话场景；

根据预存的动词的配价资源库从所述会话场景中识别出事件的要素，并根据所述要素提取出事件。