基于维语网络文本的事件抽取方法研究

Event extraction has important application value for large-scale Uyghur public opinion information analysis and processing, event correlation clustering, event relation network construction, inference and prediction of emergencies and Uyghur information communication topic monitoring. Based on Uyghur text understanding and combining with the characteristics of Uyghur, this project aimed at establishing a set of event extraction theory and method system about Uyghur web text, research and development the corresponding key technologies,construction of event corpus and the implement of event extraction experiment platform. ①For the lack of corpus resources, we will develop corpus construction platform, construct high quality corpus resources and provide basic resources for the later study and evaluation. ② Study automatic identification algorithm for event trigger , event argument,etc. based on construction of a series of perfect Uyghur language rules and fullly analyses of the Uyghur language.③For phenomenon of big difference between Uygur event, we will conduct deep study of the relationships between each event, establish different extraction model for different types of eventrelationships to achieve effective extraction of them. The research results would promote the further development of the specific application of Uyghur text summarization, automatic question answering, prediction of the topic, social public opinion analyses and information retrieval,etc,and also provide theoretical basis and lay the technical and data resource base.

事件抽取对于大规模维语舆情信息分析与处理、关联事件聚类、事件关系网络构建、突发事件的推理与预测、维语信息传播中话题的监控等有重要的应用价值。项目旨在面向维语文本理解、结合维语特点，建立一套适用于维语网络文本事件抽取的理论方法体系，研发相应关键技术，建设事件语料库，实现事件抽取实验平台。项目致力于研究：①对于语料缺乏问题，开发语料建设平台，建设高质量语料资源，为后期的研究和评测提供基础资源保障。②在充分分析维语语言规律、构建一系列完善的维语语言规则的基础上，研究维语事件触发词、事件论元等信息的自动识别算法。③ 对于维语事件间关系区别大的现象，对每种事件关系进行深入研究，建立适用于不同关系类型的抽取模型，实现对事件间关系的有效抽取。研究成果将推动维语自动文摘、自动问答、话题预测、社会舆情分析、信息检索等具体应用的进一步发展，并为之提供理论依据、奠定技术和数据资源基础。

项目总体进展顺利，所有研究计划已按要求完成，达到预期目标。特别是：.1）收集了天山网、人民网等维语版网页中的新闻事件作为生语料，参照ACE事件标注体系，标注了包含交通事故事件、运输事件等1000篇事件语料。.2）事件识别方面： 提出一种基于深度卷积神经网络联合长短期记忆网络实现的维语文本事件识别方法。提取突发事件包含六大特征块，并在特征集中引入Word Embedding特征项。在维语突发事件识别中的准确率达到80.60%。.3）事件伴随关系识别方面：提出基于深度信念网络的维语事件伴随关系识别方法，抽取12项基于事件结构信息的特征，引入Word Embedding计算两个触发词之间的语义相似度。用于维语事件伴随关系的识别准确率为81.89%、召回率84.32%。 .4）事件时序关系识别方面： 提出了一种结合注意力机制的双向长短时记忆模型。抽取了13项基于事件间内部结构信息的特征。该方法在获取事件句隐含语义信息的同时也能获取对应的事件语义特征。融合事件内部结构特征后，识别准确率为 89.42%。 .5）事件共指关系识别方面：基于堆栈降噪自编码( SDAE)提出一种新的维语事件共指关系识别方法。抽取事件基本属性、触发词、事件距离等9项特征，利用Word Embedding 富含语义信息的特性，将其计算得到的维吾尔语事件触发词语义相似度作为特征之一。基于深度学习机制的 SDAE 模型更适用于维吾尔语事件共指关系识别任务，并提升了识别性能。.6）事件因果关系抽取方面：提出一种基于双向LSTM的维语事件因果关系抽取方法。提取出10项基于事件内部结构信息的特征，引入词嵌入提取事件句隐含的深层语义特征并利用批样规范化算法加速 BiLSTM 的收敛。该方法用于维语事件因果关系的抽取准确率为 89.19%, 召回率为 83.19%, F值为 86.09%。.7）事件缺失元素填充方面：提出了注意力机制独立循环神经网络和胶囊网络并行的维语事件缺失元素填充模型，抽取18项事件和事件元素的内部特征。该方法用于维语事件缺失元素填充时，衡量模型整体性能的F1值为85.52%。