一种基于事理多要素图基单元的事理知识表征构建方法
本发明涉及自然语言处理与知识图谱,尤其涉及一种基于事理多要素图基单元的事理知识表征构建方法。
背景技术:
1、对非结构化文本进行有效的事理推理,是提升认知智能的关键。当前的主流方法遵循先识别核心要素,再构建关系链条,最后基于此进行模型推理的研究范式。然而,该范式的有效性严重依赖于初始事件表示的完备性与合理性。若事件本身的表征存在缺失或偏差,后续复杂推理的效果将受到显著影响。
2、纵观事件表示技术的发展,现有方法存在以下三方面局限性:(1)知识表征核心僵化:过度依赖以谓语动词为核心的传统范式,难以有效捕捉如"局势升级"、"项目启动"这类虽无典型动作动词却完整表达事件语义的动宾结构;(2)构成要素稀疏:现有框架固于"行为-主体"的二元范式,忽视了时间、环境、工具与直接后果等构成事件语境的核心要素;(3)关系网络浅层:现有技术构建的事件网络大多止步于简单的时序或因果链,对"条件-结果"、"目的-手段"及"转折"等复杂逻辑关系缺乏表达能力。
3、此外,上述不足在建筑、法律等领域的规约性文本中体现得尤为显著。此类文本承载的事件逻辑高度严谨且深度依赖隐性语境,传统方法一方面在表示层难以刻画复杂的约束与条件关系,另一方面在推理层无法利用这些关键逻辑。
技术实现思路
1、针对传统事件表示方法存在的表征浅层化、要素稀疏以及关系网络浅层化的问题,本发明提出了一种基于事理多要素图基单元的事理知识表征构建方法,构建了具备语境完备性和逻辑可解释性的知识表征体系,显著提升了复杂事理推理任务的性能。
2、为实现上述目的,本发明提供如下技术方案:
3、一种基于事理多要素图基单元的事理知识表征构建方法,所述方法包括以下步骤:
4、步骤s1,获取建筑施工安全相关文本数据,包括安全事故报告、安全检查记录、施工日志、安全规范文档等,采用预训练语义模型对文本数据进行语义核心识别,确定事件核心表征;具体地,通过sentence-bert预训练模型将文本句子映射为固定长度句向量,采用n-gram策略生成词汇候选集,通过余弦相似度计算候选词与全局句向量的语义覆盖程度,选取最大相似度对应的候选词或短语作为事件核心表征core;
5、步骤s2,基于所述事件核心表征,通过指令驱动的大语言模型进行零样本要素解析,提取时间维度要素t、空间维度要素l和参与者维度要素p;具体地,构建包含任务定义、结构约束及格式规范的提示模板,引导大语言模型以事件核心表征core为锚点,解析出时间点与时间区间、地理实体与空间影响范围、施事主体与受影响客体,对不存在的要素填充空值标签以保证结构完整性;
6、步骤s3,对所述时间维度要素和空间维度要素进行标准化数值映射:将自然语言时间表达转换为unix统一时间戳,将空间表达进行几何质心映射后转换为经纬度坐标对;
7、步骤s4,基于所述事件核心表征core、时间维度要素t、空间维度要素l和参与者维度要素p,构建事理多要素图基单元merg(multi-element event-reasoning graphlet),表示为四元组结构merg=(id, core, context, participants),其中,id为全局唯一标识,core为事件核心表征;context为包含时间、空间和语义的多维语境信息;participants为参与实体集合,所述merg单元作为事理图谱构建中不可再分的基础知识基元;
8、步骤s5,计算多个merg单元之间的综合相似度,通过加权融合时间维度的归一化欧氏距离、空间维度的haversine球面距离、参与者维度的基于嵌入表示的soft-jaccard相似度以及语义维度的余弦相似度,获得merg单元间的综合相似度;
9、步骤s6,基于所述综合相似度,采用动态增量聚类算法对相似merg单元进行聚合,生成具有语义抽象-实例保留双层表征结构的事件簇;
10、步骤s7,采用规则匹配与深度模型相结合的混合范式,识别聚合后merg单元之间的时序关系、空间关系和语义逻辑关系,构建事理多要素图谱。
11、进一步地,步骤s1中所述语义核心识别具体包括:针对中文数据集采用分词工具生成词汇序列w={w1,w2,...,wi,..., wn },将每个词wi作为独立单元输入sentence-bert模型获取语义向量;针对英文数据集采用n-gram策略构建二元词组候选集bigram={(w1,w2),(w2,w3),...,(wn-1,wn)}并编码获取短语向量;通过以下公式计算候选单元对全局语义的覆盖程度:
12、
13、其中,为句子的sentence-bert编码向量,为候选词或短语的sentence-bert编码向量。
14、进一步地,步骤s3中所述标准化数值映射具体包括:将各类自然语言时间表达规整为unix时间戳,将离散的时间描述转化为连续的数值度量;将事件的空间形态抽象为零维点、一维轨迹及二维面域,对于空间点通过经纬度坐标表示,对于线或区域通过计算几何边界的质心作为空间锚点并转化为标准经纬度坐标对。
15、进一步地,所述步骤s5中所述综合相似度通过以下公式计算:
16、
17、其中,、为任意两个图基单元,、、、分别为时间、空间、参与实体和核心语义维度的权重系数;为时间相似度,通过归一化的一维欧氏距离倒数度量:为空间相似度,通过haversine公式计算球面距离并经指数衰减归一化得到;为参与者相似度,采用基于嵌入表示的soft-jaccard相似度度量,在连续向量空间中通过双向最优语义覆盖计算实体间匹配得分;为语义相似度,利用sentence-bert提取的句子级嵌入向量计算余弦相似度。
18、进一步地,步骤s6中所述动态增量聚类算法具体包括:预设相似度阈值δ,对于新到达的merg单元,计算其与现有各簇中心的综合相似度;若最大综合相似度,则将归入对应簇并更新该簇的特征分布;若,则自动创建新簇,实现图谱规模的自适应扩展。
19、进一步地,步骤s6中所述语义抽象-实例保留双层表征结构具体包括:表层使用大语言模型辅助的分类学归纳,将事件簇内所有实例的核心词分布与典型语境作为提示词,生成具有概括性的上位词或高频词标签作为簇的表层抽象表示;里层针对context与participants维度,在簇节点内部完整保留所有实例的特征集合作为隐式表示:
20、
21、其中,至为属于该簇的所有merg实例。
22、进一步地,步骤s7中所述规则匹配方法用于识别时空关系:基于allen区间代数理论构建包含"之前"、"之后"、"期间"、"重叠"、"开始"、"结束"及"同时"七种形态的时序逻辑体系,通过比对merg单元时间属性的数值边界判定时序关系类型;基于haversine球面几何模型计算两merg单元质心间的物理距离并引入空间阈值判定"近"或"远"的空间邻近关系。
23、进一步地,步骤s7中所述深度模型用于识别语义逻辑关系:构建基于结构表征增强的bert模型,通过"字-段-位-事"四维联合嵌入与事件核心掩码机制,将merg的结构化先验转化为归纳偏置,识别包括道义模态、演化推演及结构描述体系的复合语义逻辑关系;采用基于focal loss的类别平衡损失函数优化模型参数:
24、
25、其中,n为批次样本数量,c为语义关系类别数,为模型预测样本属于类别的概率,为基于逆类别频率策略的类别平衡系数,γ为聚焦参数,为示性函数,当样本的真实标签等于类别c时取值为1,否则为0,为样本的真实类别标签。
26、与现有技术相比,本发明的有益技术效果为:
27、构建了语境增强的merg基本单元,摒弃了以谓语动词为唯一核心的做法,主动融合时间、空间、方式及结果等多维语境与实体集合,形成内聚的语义整体,为下游复杂推理提供丰富的上下文线索;
28、建立了一套包括时序、空间与语义逻辑三个维度的多层次逻辑关系识别体系,通过无监督策略挖掘时空关系与基于预训练语言的深度模型识别复杂语义逻辑关系,构建了结构立体的事理多要素图谱;
29、在多领域公开数据集上的实验表明,基于merg表征结构的事件预测方法在mcnc、sct及swag任务上分别达到63.42%、89.95%和76.85%的准确率,显著优于现有基线模型,验证了merg表征体系的有效性和泛化能力;
30、本发明方案突破了传统事件表示方法中表征浅层化与要素稀疏的局限,构建了具备语境完备性和逻辑可解释性的知识表征体系,显著提升了复杂事理推理任务的性能。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com