CN111966890B - 基于文本的事件推送方法、装置、电子设备和存储介质 - Google Patents
基于文本的事件推送方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111966890B CN111966890B CN202010617329.8A CN202010617329A CN111966890B CN 111966890 B CN111966890 B CN 111966890B CN 202010617329 A CN202010617329 A CN 202010617329A CN 111966890 B CN111966890 B CN 111966890B
- Authority
- CN
- China
- Prior art keywords
- event
- description information
- text
- client
- pushing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000013598 vector Substances 0.000 claims abstract description 46
- 238000002372 labelling Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 230000008451 emotion Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 21
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Animal Behavior & Ethology (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了基于文本的事件推送方法、装置、电子设备和存储介质,涉及知识图谱、深度学习、自然语言处理和云计算技术领域。具体实现方案为:获取目标事件类型的文本内容,对文本内容进行分词处理,得到包含多个词语的词序列,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示,实现了自动生成目标事件类型的描述信息,并在客户端展示,提高了用户获取关注事件的相关信息的效率和全面性。
Description
技术领域
本申请涉及计算机技术领域,主要涉及知识图谱、自然语言处理、深度学习和云计算技术领域,具体涉及基于文本的事件推送方法、装置、电子设备和存储介质。
背景技术
随着网络技术的发展,越来越多的信息可以从网络上免费获取。某些研究行业需要根据获取到信息进行分析研究,以对后续的行为进行指导。例如,投资研究行业,需要基于获取的信息,进行分析,以指导投资行为。从而,在收集信息的过程中,如果信息获取的不够全面,或者信息获取的不及时,会严重影响相关研究时的准确性。
因此,全面而准确的获取相关信息,对于基于数据进行分析研究的行业至关重要。
发明内容
本申请提供了一种用于基于文本的事件推送方法、装置、电子设备和存储介质,提高了用户获取关注事件的相关信息的效率和全面性。
根据本申请的一方面,提供了一种基于文本的事件推送方法,包括:
获取目标事件类型的文本内容;
对所述文本内容进行分词处理,得到包含多个词语的词序列;
将所述词序列中各词语的词向量,输入所述目标事件类型对应的序列标注模型,以对所述词序列中各词语标注事件属性;
根据所述词序列中各词语标注的事件属性,生成所述目标事件类型的描述信息;
向关注所述目标事件类型的各客户端推送所述描述信息,以在各客户端进行展示。
根据本申请的另一方面,提供了一种基于文本的事件推送装置,包括:
获取模块,用于获取目标事件类型的文本内容;
处理模块,用于对所述文本内容进行分词处理,得到包含多个词语的词序列;
标注模块,用于将所述词序列中各词语的词向量,输入所述目标事件类型对应的序列标注模型,以对所述词序列中各词语标注事件属性;
生成模块,用于根据所述词序列中各词语标注的事件属性,生成所述目标事件类型的描述信息;
推送模块,用于向关注所述目标事件类型的各客户端推送所述描述信息,以在各客户端进行展示。
根据本申请的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的基于文本的事件推送方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面所述的基于文本的事件推送方法。
根据本申请的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现第一方面所述的基于文本的事件推送方法。
本申请实施例所提供的技术方案可以包含如下的有益效果:
获取目标事件类型的文本内容,对文本内容进行分词处理,得到包含多个词语的词序列,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示,实现了自动生成目标事件类型的描述信息,并在客户端展示,提高了用户获取关注事件的相关信息的效率和全面性。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例所提供的一种基于文本的事件推送方法的流程示意图;
图2为本申请实施例提供的另一种基于文本的事件推送方法的流程示意图;
图3为本申请实施例提供的又一种基于文本的事件推送方法的流程示意图;
图4为本申请实施例提供的再一种基于文本的事件推送方法的流程示意图;
图5为本申请实施例提供的一种基于文本的事件推送装置的结构示意图;
图6是本申请实施例的基于文本的事件推送方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的基于文本的事件推送方法、装置、电子设备和存储介质。
图1为本申请实施例所提供的一种基于文本的事件推送方法的流程示意图。
如图1所示,该方法包括以下步骤:
步骤101,获取目标事件类型的文本内容。
本申请的基于文本的事件推送方法的执行主体为服务器,本申请实施例的基于文本的事件推送方法可以由本申请实施例的基于文本的事件推送装置执行,本申请实施例的基于文本的事件推送装置可以配置在任意的服务器中,以执行本申请实施例的基于文本的事件推送方法,该服务器可以为配置在本地的服务器,也可以为配置在云端的云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
本实施例中目标事件类型,是指客户关注的事件类型,例如,金融事件类型、财经事件类型等。目标事件类型的文本内容,既有上市公告、公司研究报告等数据,还包含新闻资讯等非结构化数据,实现了对多种文本内容的获取和分析。
步骤102,对文本内容进行分词处理,得到包含多个词语的词序列。
其中,词语中包含的字符数量可以为一个或多个,本实施例中不作限定。
本实施例中,采用现有的分词工具对待识别的文本进行分词处理后,得到该文本中包含的多个词语,按照多个词语在文本中的出现顺序和位置,得到包含多个词语的词序列。
例如,待识别的文本为“华尔街分析师:给予B公司股票强力买入评级”,分词处理后得到的词语的词序列为{华尔街分析师、给予、B公司、股票、强力买入评级}。
步骤103,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性。
其中,事件属性,包含施事主体、施事属性、施事数量、触发词、模态、时间、地点、受事主体、受事属性、受事数量等。其中,施事主体,是动词所指示动作、行为或活动的发出者,而受事主体则是动作、行为或活动的承受者;施事属性是指施事主体是人或事物;受事属性是指受事主体是人或事物;施事数量是指施事主体的数量;受事数量是指受事主体的数量;触发词,是指使得事件发生的词。
由于模型无法处理字符串的信息,因此,需要将词序列中的各词语转化为词向量。
在本申请的一个实施例中,可以采用词向量模型Word Embedding,例如,通过word2vec模型,将词序列中的每一个词语转化为预设维度的词向量,进而根据每一个词的词向量生成词向量序列,也就是说词向量序列中包含的是每一个词语的词向量,将词向量序列输入目标事件类型对应的序列标注模型,由于序列标注模型已经学习到了各个词向量和对应的事件属性的对应关系,以对词序列中各词语标注事件属性。例如,输入的词序列为{华尔街分析师、给予、B公司、股票、强力买入评级},利用序列标注模型标注后得到的词序列中各词语标注的事件属性为:
金融主体:B公司;
施事主体:华尔街分析师;
受事主体:B公司;
触发词:强力买入评级
作为另一种可能的实现方式,也可以采用训练得到的深度神经网络模型,生成各词语的词向量,例如,语义表示模型(Enhanced Representation from knowledgeIntegration),而根据语义表示模型生成的词向量中可以包含词的语义信息和上下文信息,可提高后续进行事件属性标注的准确性。进而,将词向量序列输入目标事件类型对应的序列标注模型,由于序列标注模型已经学习到了各个词向量和对应的事件属性的对应关系,以对词序列中各词语标注事件属性。
需要理解的是,本实施中的序列标注模型是和目标事件类型对应的,也就是说不同领域的目标事件类型会有不同的标注需求,因此,基于目标事件类型,也就是对应的领域的标注需求训练得到的序列标注模型,可以提高标注的准确性。
步骤104,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息。
本实施例中,根据词序列中各词语标注的事件属性,将标注了事件属性的各词语和标注的事件属性作为目标事件类型的描述信息。
例如,文本内容“华尔街分析师:给予B公司股票强力买入评级”,对应的各词语标注的事件属性为:
金融主体:B公司;
施事主体:华尔街分析师;
受事主体:B公司;
触发词:强力买入评级。
从而,确定该金融事件类型的描述信息为:
金融主体:B公司;
施事主体:华尔街分析师;
受事主体:B公司;
触发词:强力买入评级。
其中,金融主体,即为目标事件类型涉及的主体。
需要说明的是,本实施例中目标事件类型的描述信息即为对目标事件类型的文本内容进行信息抽取,并以标准的结构化形式存储得到的,从而实现了将文本内容中包含的散乱的多种信息抽取出来,生成目标事件类型的描述信息,也就是形成了各目标事件类型的知识图谱。
步骤105,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示。
其中,客户端,是指由服务器提供服务的应用程序、网页或终端设备等。比如,本申请的服务器为某金融类应用程序的服务器,则客户端是所有安装在用户的终端设备中的该金融类应用程序。
由于每一种目标事件类型,都有关注该目标事件类型的对应的客户端,从而,本申请中确定关注该目标事件类型的各客户端,并向各客户端推送描述信息,以在各客户端的展示界面中进行展示,以使得关注目标事件的客户端对应的客户可以及时,全面的获取到关注的目标事件类型的相关描述信息,以便于进行后续分析,快速做出决策。例如,用户通过客户端关注了金融类的资讯,从而用户在客户端可以收到关于金融类资讯的描述信息,以使得客户及时了解金融行业的动态,以快速做出相关的决策,避免了现有技术中,需要用户自己筛选信息并进行信息处理,降低了成本。
本申请实施例的基于文本的事件推送方法中,获取目标事件类型的文本内容,对文本内容进行分词处理,得到包含多个词语的词序列,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示,实现了自动生成目标事件类型的描述信息,并在客户端展示,提高了用户获取关注事件的相关信息的效率和全面性。
基于上一实施例,本实施例提供了另一种基于文本的事件推送方法,其中,事件属性包括目标事件类型涉及的主体,根据目标事件类型涉及的主体,确定关注目标事件类型的各客户端,以向各客户端推送对应的描述信息。图2为本申请实施例提供的另一种基于文本的事件推送方法的流程示意图。
如图2所示,上述步骤105,可以包含以下步骤:
步骤201,将文本内容作为事件名。
例如,金融事件类型的文本内容为:华尔街分析师:给予B公司股票强力买入评级,则事件名则为:华尔街分析师:给予B公司股票强力买入评级。
步骤202,根据事件名和事件属性中的主体,生成并存储主体与事件名之间的关联关系。
本实施例中,基于文本内容“华尔街分析师:给予B公司股票强力买入评级”,可确定对应的事件属性中包含的主体有施事主体:华尔街分析师,受事主体:B公司,而金融事件类型涉及的主体为B公司,也就是说该金融事件对应的主体就是有关于B公司的金融事件。根据事件名和事件属性中的主体,可生成并存储主体与事件名之间的关联关系,具体见下表1所示。
主体 | 事件名 |
B公司 | 华尔街分析师:给予B公司股票强力买入评级 |
······ | ······ |
表1
步骤203,根据事件名和描述信息,生成并存储事件名与描述信息之间的关联关系。
上述实施例中描述了,当文本内容为“华尔街分析师:给予B公司股票强力买入评级”,则对应的描述信息为:
金融主体:B公司;
施事主体:华尔街分析师;
受事主体:B公司;
触发词:强力买入评级。
进一步,根据事件名和描述信息,生成并存储事件名与描述信息之间的关联关系见下表2:
表2
步骤204,根据主体与事件名之间的关联关系,以及事件名与描述信息之间的关联关系,向各客户端推送描述信息。
本实施例中,由于客户端在关注目标事件类型时,通常也具有关注的主体,例如,用户通过客户端关注了医疗行业,那么客户端可能会对应关注医疗行业涉及的主体:稳X医疗。由于主体与事件名之间具有关联关系,以及事件名与描述信息之间具有关联关系,因此,根据客户端关注的主体,可确定对应的描述信息,以向客户端推送描述信息,实现了根据预先建立的主体与事件名之间的关联关系,以及事件名与描述信息之间的关联关系,向关注目标事件类型的客户端主动推送目标事件类型的描述信息。
本申请的一个实施例中,上述步骤204,可以通过以下步骤实现:
对每一个客户端,查询客户端与主体之间的关联关系,以得到各客户端的关联主体,根据各客户端的关联主体,查询主体与事件名之间的关联关系,得到各客户端匹配的事件名,根据各客户端匹配的事件名,查询事件名与描述信息之间的关联关系,以得到各客户端匹配的描述信息,向各客户端推送匹配的描述信息,实现了根据客户端与主体之间的关系关系,确定需要向客户端推动的描述信息,以实现向关注目标事件类型的客户端主动推送目标事件类型的描述信息。
本申请实施例的基于文本的事件推送方法中,获取目标事件类型的文本内容,对文本内容进行分词处理,得到包含多个词语的词序列,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示,实现了自动生成目标事件类型的描述信息,并在客户端展示,提高了用户获取关注事件的相关信息的效率和全面性。
基于上述实施例,图3为本申请实施例提供的又一种基于文本的事件推送方法的流程示意图,如图3所示,上述步骤101,可以包括以下步骤:
步骤301,获取多个候选文本内容。
其中,候选文本内容可以是从新闻资讯中获取得到的,或者是从上市公告、公司研报等数据中获取得到的。候选文本可以是属于多个事件类型的,例如,有属于金融事件类型的,有属于教育事件类型的,也有属于医疗事件类型的等等,本实施例中不进行限定。
步骤302,对多个候选文本内容进行语义识别,得到多个候选文本内容的语义向量。
步骤303,根据多个候选文本内容的语义向量,从多个候选文本中识别出属于目标事件类型的文本内容。
由于获取到的多个候选文本可以是属于不同的事件类型的,为了从多个候选文本中筛选出属于同一个目标事件类型的文本,作为一种可能的实现方式,利用训练好的目标事件类型对应的语义识别模型,将多个候选文本内容输入语义识别模型,以使得语义识别模型根据多个候选文本内容进行语义识别,得到多个候选文本内容的语义向量,根据多个候选文本内容的语义向量,从多个候选文本中识别出属于目标事件类型的文本内容,实现了对用户关注的目标内容类型的文本内容的筛选。
可选地,可从多个候选文本内容中提取出标题,将标题内容输入语义识别模型,以得到属于目标事件类型的文本内容,通过标题进行识别,可以降低模型识别时的效率。
实际应用中,在从多个候选文本中识别出属于目标事件类型的文本内容后,识别得到的文本内容可能为至少两个,为了丰富目标事件类型的文本内容,在上述步骤303之后,还可以包含以下步骤:
若属于目标事件类型的文本内容为至少两个,则根据各文本内容的语义向量,识别出属于同一事件的文本内容,对属于同一事件的文本内容进行合并。
本实施例中,若属于目标事件类型的文本内容为至少两个时,分别确定各个文本内容的语义向量,识别出属于同一事件的文本内容,作为一种可能的实现方式,可通过语义识别模型,例如ERAIN模型进行识别,得到各文本内容的语义向量,根据各文本内容的语义向量间的相似度,识别多个文本内容是否属于同一事件,对属于同一事件的文本内容进行合并,以丰富该事件的文本的内容。
本申请实施例的基于文本的事件推送方法中,从获取的多个候选文本中,根据多个候选文本的语义向量之间的相似度进行识别,以判断多个候选文本是否属于同一目标文件类型,实现了基于语义向量之间的相似度筛选出属于同一个目标事件类型的文本内容,同时,当属于同一个目标事件类型的候选文本内容为多个时,将多个候选文本内容合并,丰富了目标事件类型的文本的内容量,以使得后续可以基于用户关注的目标事件类型生成对应的目标事件类型的描述信息,并进行信息的推送,提高了用户获取关注事件的相关信息的效率和全面性。
上述实施例中描述了,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,而实际应用中,文本内容的情感类型,可以指示对涉及的主体的影响力,该影响力可以为正向、负向和中性,可增加推送至客户端展示的信息的含量,以帮助关注用户做出决策,因此,本实施例中将情感类型,也添加至描述信息中。
图4为本申请实施例提供的再一种基于文本的事件推送方法的流程示意图,如图4所示,上述步骤104之后,可以包括以下步骤:
步骤401,对目标事件类型的文本内容进行情感分析,以得到情感类型。
步骤402,将情感类型添加至描述信息中。
本实施例中,情感类型包含正向、负向和中性。其中,情感类型是指对用户关注的目标事件类型涉及的主体的影响力是正向影响,负向影响还是中性影响。例如,用户关注的是金融行业,用户关注的金融行业涉及的主体为B公司,文本内容“B公司发布无人车新产品”,这个文本内容对于B公司的主体而言,则为正向的影响,也就是说B公司发布新产品,代表企业具有较大的市场潜力。
作为一种可能的实现方式,利用训练好的目标事件类型对应的用于情感分析的语义识别模型,将目标事件类型的文本内容输入该语义识别模型,以使得语义识别模型根据目标事件类型的文本内容的语义向量进行情感分析,得到目标事件类型的文本内容的情感类型,实现了对目标内容类型的文本内容的情感类型的分析。
进而,将目标事件类型的情感类型添加至描述信息中,以增加描述信息中的内容,以进一步提高推送至客户端展示的信息的全面性。
本申请实施例的基于文本的事件推送方法中,文本内容的情感类型,可以指示对涉及的主体的影响力,该影响力可以为正向、负向和中性,可增加推送至客户端展示的信息的含量,以帮助关注用户做出决策,将情感类型,也添加至描述信息中,以提高推送的信息量。
可选地,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息之后,还可以对目标事件类型的文本内容进行子类型划分,以得到子类型,将子类型添加至描述信息中在描述信息中,以进一步提高推送至客户端展示的信息的全面性。
例如,目标事件类型为金融类型,而金融类型,还可以进一步细分为股票子类型、融资子类型等,本实施例中不一一列举。
例如,用户关注了金融类型,具体的用户关注的金融类型涉及的主体为某个企业,例如B公司,或者用户关注的主体为某个行业,如无人驾驶行业。从而向关注了金融行业,关注的主体为B公司的客户端,以目标文本内容为“华尔街分析师:给予B公司股票强力买入评级”为例,则向关注目标事件类型的各客户端推送描述信息包含:
事件名:华尔街分析师:给予B公司股票强力买入评级;
金融主体:B公司;
施事主体:华尔街分析师;
受事主体:B公司;
触发词:强力买入评级
情感分析:正向
事件类型:股票买入评级
其中,用户关注的目标事件类型为金融事件,关注的金融主体为“B公司”,而上述的“事件类型:股票买入评级”即为对金融事件细分得到的子类型。
也就是说,服务器根据客户端在展示页面中筛选出要关注的目标事件类型,则可以自动向客户端推送和关注的目标事件类型相关的描述信息,以使得用户可以及时,全面的获取到相关的资讯,降低了用户信息筛选和数据处理的成本。
为了实现上述实施例,本申请还提供了一种基于文本的事件推送装置。
图5为本申请实施例提供的一种基于文本的事件推送装置的结构示意图。
如图5所示,该装置包含:获取模块51、处理模块52、标注模块53、生成模块54和推送模块55。
获取模块51,用于获取目标事件类型的文本内容。
处理模块52,用于对文本内容进行分词处理,得到包含多个词语的词序列。
标注模块53,用于将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性。
生成模块54,用于根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息。
推送模块55,用于向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示。
在本申请实施例的一种可能的实现方式中,该装置,还包括:
情感分析模块,用于对所述目标事件类型的文本内容进行情感分析,以得到情感类型,将所述情感类型添加至所述描述信息中。
可选地,该装置还包括,划分模块,用于对所述目标事件类型的文本内容进行子类型划分,以得到子类型,将所述子类型添加至所述描述信息中。
在本申请实施例的一种可能的实现方式中,所述事件属性包括所述目标事件类型涉及的主体,上述推送模块55,包括:
命名单元,用于将所述文本内容作为事件名。
生成单元,用于根据所述事件名和所述事件属性中的主体,生成并存储主体与事件名之间的关联关系;根据所述事件名和所述描述信息,生成并存储事件名与描述信息之间的关联关系。
推送单元,用于根据所述主体与事件名之间的关联关系,以及事件名与描述信息之间的关联关系,向各客户端推送所述描述信息。
作为一种可能的实现方式,上述推送单元,具体用于:
对每一个所述客户端,查询客户端与主体之间的关联关系,以得到各客户端的关联主体,根据各客户端的所述关联主体,查询所述主体与事件名之间的关联关系,得到各客户端匹配的事件名,根据所述各客户端匹配的事件名,查询所述事件名与描述信息之间的关联关系,以得到各客户端匹配的描述信息,向各所述客户端推送匹配的描述信息。
作为一种可能的实现方式,上述获取模块51,包括:
获取单元,用于获取多个候选文本内容。
第一识别单元,用于对所述多个候选文本内容进行语义识别,得到所述多个候选文本内容的语义向量。
第二识别单元,用于根据所述多个候选文本内容的语义向量,从所述多个候选文本中识别出属于所述目标事件类型的文本内容。
作为一种可能的实现方式,上述获取模块51,还包括:
合并单元,用于若属于所述目标事件类型的文本内容为至少两个,则根据各所述文本内容的语义向量,识别出属于同一事件的文本内容,对属于同一事件的文本内容进行合并。
需要说明的是,前述对基于文本的事件推送方法实施例的解释说明也适用于本实施例的基于文本的事件推送装置,原理相同,此处不再赘述。
本申请实施例的基于文本的事件推送装置中,获取目标事件类型的文本内容,对文本内容进行分词处理,得到包含多个词语的词序列,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示,实现了自动生成目标事件类型的描述信息,并在客户端展示,提高了用户获取关注事件的相关信息的效率和全面性。
为了实现上述实施例,本申请实施例提出了一种电子设备,包:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如前述方法实施例所述的基于文本的事件推送方法。
为了实现上述实施例,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如前述方法实施例所述的基于文本的事件推送方法。
为了实现上述实施例,本申请实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现前述方法实施例所述的基于文本的事件推送方法。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的基于文本的事件推送方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的基于文本的事件推送方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的基于文本的事件推送方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的基于文本的事件推送方法对应的程序指令/模块(例如,附图5所示的获取模块51、处理模块52、标注模块53、生成模块54和推送模块55)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的基于文本的事件推送方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据基于文本的事件推送方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至基于文本的事件推送方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
基于文本的事件推送方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与基于文本的事件推送方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,获取目标事件类型的文本内容,对文本内容进行分词处理,得到包含多个词语的词序列,将词序列中各词语的词向量,输入目标事件类型对应的序列标注模型,以对词序列中各词语标注事件属性,根据词序列中各词语标注的事件属性,生成目标事件类型的描述信息,向关注目标事件类型的各客户端推送描述信息,以在各客户端进行展示,实现了自动的生成目标事件类型的描述信息,并在客户端展示,提高了用户获取关注事件的相关信息的效率和全面性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种基于文本的事件推送方法,包括:
获取目标事件类型的文本内容;
对所述文本内容进行分词处理,得到包含多个词语的词序列;
将所述词序列中各词语的词向量,输入所述目标事件类型对应的序列标注模型,以对所述词序列中各词语标注事件属性;
根据所述词序列中各词语标注的事件属性,生成所述目标事件类型的描述信息;
向关注所述目标事件类型的各客户端推送所述描述信息,以在各客户端进行展示;
所述事件属性包括所述目标事件类型涉及的主体;所述向关注所述目标事件类型的客户端推送所述描述信息,包括:
将所述文本内容作为事件名;
根据所述事件名和所述事件属性中的主体,生成并存储主体与事件名之间的关联关系;
根据所述事件名和所述描述信息,生成并存储事件名与描述信息之间的关联关系;
根据所述主体与事件名之间的关联关系,以及事件名与描述信息之间的关联关系,向各客户端推送所述描述信息。
2.根据权利要求1所述的事件推送方法,其中,所述根据所述主体与事件名之间的关联关系,以及事件名与描述信息之间的关联关系,向各客户端推送所述描述信息,包括:
对每一个所述客户端,查询客户端与主体之间的关联关系,以得到各客户端的关联主体;
根据各客户端的所述关联主体,查询所述主体与事件名之间的关联关系,得到各客户端匹配的事件名;
根据所述各客户端匹配的事件名,查询所述事件名与描述信息之间的关联关系,以得到各客户端匹配的描述信息;
向各所述客户端推送匹配的描述信息。
3.根据权利要求1-2任一项所述的事件推送方法,其中,所述获取目标事件类型的文本内容,包括:
获取多个候选文本内容;
对所述多个候选文本内容进行语义识别,得到所述多个候选文本内容的语义向量;
根据所述多个候选文本内容的语义向量,从所述多个候选文本中识别出属于所述目标事件类型的文本内容。
4.根据权利要求3所述的事件推送方法,其中,所述根据所述多个候选文本内容的语义向量,从所述多个候选文本中识别出属于所述目标事件类型的文本内容之后,还包括:
若属于所述目标事件类型的文本内容为至少两个,则根据各所述文本内容的语义向量,识别出属于同一事件的文本内容;
对属于同一事件的文本内容进行合并。
5.根据权利要求1-2任一项所述的事件推送方法,其中,所述根据所述词序列中各词语标注的事件属性,生成所述目标事件类型的描述信息之后,还包括:
对所述目标事件类型的文本内容进行情感分析,以得到情感类型;
将所述情感类型添加至所述描述信息中。
6.根据权利要求1-2任一项所述的事件推送方法,其中,所述根据所述词序列中各词语标注的事件属性,生成所述目标事件类型的描述信息之后,还包括:
对所述目标事件类型的文本内容进行子类型划分,以得到子类型;
将所述子类型添加至所述描述信息中。
7.一种基于文本的事件推送装置,包括:
获取模块,用于获取目标事件类型的文本内容;
处理模块,用于对所述文本内容进行分词处理,得到包含多个词语的词序列;
标注模块,用于将所述词序列中各词语的词向量,输入所述目标事件类型对应的序列标注模型,以对所述词序列中各词语标注事件属性;
生成模块,用于根据所述词序列中各词语标注的事件属性,生成所述目标事件类型的描述信息;
推送模块,用于向关注所述目标事件类型的各客户端推送所述描述信息,以在各客户端进行展示;
所述事件属性包括所述目标事件类型涉及的主体;所述推送模块,包括:
命名单元,用于将所述文本内容作为事件名;
生成单元,用于根据所述事件名和所述事件属性中的主体,生成并存储主体与事件名之间的关联关系;根据所述事件名和所述描述信息,生成并存储事件名与描述信息之间的关联关系;
推送单元,用于根据所述主体与事件名之间的关联关系,以及事件名与描述信息之间的关联关系,向各客户端推送所述描述信息。
8.根据权利要求7所述的事件推送装置,其中,所述推送单元,具体用于:
对每一个所述客户端,查询客户端与主体之间的关联关系,以得到各客户端的关联主体;
根据各客户端的所述关联主体,查询所述主体与事件名之间的关联关系,得到各客户端匹配的事件名;
根据所述各客户端匹配的事件名,查询所述事件名与描述信息之间的关联关系,以得到各客户端匹配的描述信息;
向各所述客户端推送匹配的描述信息。
9.根据权利要求7-8任一项所述的事件推送装置,其中,所述获取模块,包括:
获取单元,用于获取多个候选文本内容;
第一识别单元,用于对所述多个候选文本内容进行语义识别,得到所述多个候选文本内容的语义向量;
第二识别单元,用于根据所述多个候选文本内容的语义向量,从所述多个候选文本中识别出属于所述目标事件类型的文本内容。
10.根据权利要求9所述的事件推送装置,其中,所述获取模块,还包括:
合并单元,用于若属于所述目标事件类型的文本内容为至少两个,则根据各所述文本内容的语义向量,识别出属于同一事件的文本内容,对属于同一事件的文本内容进行合并。
11.根据权利要求7-8任一项所述的事件推送装置,其中,所述装置,还包括:
情感分析模块,用于对所述目标事件类型的文本内容进行情感分析,以得到情感类型,将所述情感类型添加至所述描述信息中。
12.根据权利要求7-8任一项所述的事件推送装置,其中,所述装置,还包括:
划分模块,用于对所述目标事件类型的文本内容进行子类型划分,以得到子类型,将所述子类型添加至所述描述信息中。
13. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的基于文本的事件推送方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的基于文本的事件推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010617329.8A CN111966890B (zh) | 2020-06-30 | 2020-06-30 | 基于文本的事件推送方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010617329.8A CN111966890B (zh) | 2020-06-30 | 2020-06-30 | 基于文本的事件推送方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111966890A CN111966890A (zh) | 2020-11-20 |
CN111966890B true CN111966890B (zh) | 2023-07-04 |
Family
ID=73360907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010617329.8A Active CN111966890B (zh) | 2020-06-30 | 2020-06-30 | 基于文本的事件推送方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111966890B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487286B (zh) * | 2020-11-23 | 2024-05-28 | 中信银行股份有限公司 | 目标用户确定方法、装置、***、电子设备及介质 |
CN112528660B (zh) * | 2020-12-04 | 2023-10-24 | 北京百度网讯科技有限公司 | 处理文本的方法、装置、设备、存储介质和程序产品 |
CN112560462B (zh) * | 2020-12-11 | 2023-08-01 | 北京百度网讯科技有限公司 | 事件抽取服务的生成方法、装置、服务器以及介质 |
CN113779983B (zh) * | 2021-04-16 | 2022-10-04 | 南京擎盾信息科技有限公司 | 文本数据处理方法以及装置、存储介质、电子装置 |
CN113360765B (zh) * | 2021-06-28 | 2024-05-07 | 北京百度网讯科技有限公司 | 事件信息的处理方法、装置、电子设备和介质 |
CN113673966B (zh) * | 2021-09-03 | 2024-03-08 | 卡奥斯数字科技(青岛)有限公司 | 信息安全建设方案生成方法、装置、电子设备及存储介质 |
CN114254028A (zh) * | 2021-12-20 | 2022-03-29 | 北京百度网讯科技有限公司 | 事件属性抽取方法、装置、电子设备和存储介质 |
CN114861639B (zh) * | 2022-05-26 | 2023-03-10 | 北京百度网讯科技有限公司 | 提问信息生成方法、装置、电子设备及存储介质 |
CN116108857B (zh) * | 2022-05-30 | 2024-04-05 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备以及存储介质 |
CN115713085B (zh) * | 2022-10-31 | 2023-11-07 | 北京市农林科学院 | 文献主题内容分析方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015084756A1 (en) * | 2013-12-02 | 2015-06-11 | Qbase, LLC | Event detection through text analysis using trained event template models |
CN106484767A (zh) * | 2016-09-08 | 2017-03-08 | 中国科学院信息工程研究所 | 一种跨媒体的事件抽取方法 |
CN109582949A (zh) * | 2018-09-14 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 事件元素抽取方法、装置、计算设备及存储介质 |
CN110209807A (zh) * | 2018-07-03 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种事件识别的方法、模型训练的方法、设备及存储介质 |
CN110597994A (zh) * | 2019-09-17 | 2019-12-20 | 北京百度网讯科技有限公司 | 事件元素识别方法和装置 |
WO2020001373A1 (zh) * | 2018-06-26 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 一种本体构建方法及装置 |
CN111046656A (zh) * | 2019-11-15 | 2020-04-21 | 北京三快在线科技有限公司 | 文本处理方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-06-30 CN CN202010617329.8A patent/CN111966890B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015084756A1 (en) * | 2013-12-02 | 2015-06-11 | Qbase, LLC | Event detection through text analysis using trained event template models |
CN106484767A (zh) * | 2016-09-08 | 2017-03-08 | 中国科学院信息工程研究所 | 一种跨媒体的事件抽取方法 |
WO2020001373A1 (zh) * | 2018-06-26 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 一种本体构建方法及装置 |
CN110209807A (zh) * | 2018-07-03 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种事件识别的方法、模型训练的方法、设备及存储介质 |
CN109582949A (zh) * | 2018-09-14 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 事件元素抽取方法、装置、计算设备及存储介质 |
CN110597994A (zh) * | 2019-09-17 | 2019-12-20 | 北京百度网讯科技有限公司 | 事件元素识别方法和装置 |
CN111046656A (zh) * | 2019-11-15 | 2020-04-21 | 北京三快在线科技有限公司 | 文本处理方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
一种面向微博的突发事件触发词识别方法研究;孙小川;吴警;尹浩然;芦天亮;;中国人民公安大学学报(自然科学版)(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111966890A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111966890B (zh) | 基于文本的事件推送方法、装置、电子设备和存储介质 | |
CN111625635B (zh) | 问答处理方法、装置、设备及存储介质 | |
CN111709247B (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
CN111428049B (zh) | 一种事件专题的生成方法、装置、设备和存储介质 | |
CN112507700A (zh) | 事件抽取方法、装置、电子设备及存储介质 | |
CN111783468B (zh) | 文本处理方法、装置、设备和介质 | |
CN111522994A (zh) | 用于生成信息的方法和装置 | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN111125435A (zh) | 视频标签的确定方法、装置和计算机设备 | |
CN111177462B (zh) | 视频分发时效的确定方法和装置 | |
CN111522967A (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN112541332B (zh) | 表单信息抽取方法、装置、电子设备及存储介质 | |
CN112330455A (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
CN112380847A (zh) | 兴趣点处理方法、装置、电子设备及存储介质 | |
CN112507090A (zh) | 用于输出信息的方法、装置、设备和存储介质 | |
CN112270168A (zh) | 对白情感风格预测方法、装置、电子设备及存储介质 | |
CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
CN111984774A (zh) | 搜索方法、装置、设备以及存储介质 | |
CN113342946B (zh) | 客服机器人的模型训练方法、装置、电子设备及介质 | |
CN113157829A (zh) | 一种兴趣点名称比对方法、装置、电子设备和存储介质 | |
CN111385188A (zh) | 对话元素的推荐方法、装置、电子设备和介质 | |
CN112650919B (zh) | 实体资讯分析方法、装置、设备及存储介质 | |
CN112597768B (zh) | 文本审核方法、装置、电子设备、存储介质及程序产品 | |
CN112270169B (zh) | 对白角色预测方法、装置、电子设备及存储介质 | |
CN111523019A (zh) | 用于输出信息的方法、装置、设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |