重要事件提取方法、装置及设备与流程

1.本发明涉及信息技术应用技术领域，尤其是涉及一种重要事件提取方法、装置及设备。


背景技术：

2.数字化的进程也让人们的生活节奏越来越快，时间严重碎片化，往往由于忙碌或者疏忽会忘记很多重要事件。
3.现在用户可以从各类终端或者应用中获取重要事件，但是存在以下问题：一、没有自动提取重要事件的方式，而且各种数据分散在不同的应用中，需要人工记录相关重要事件，但是由于忙碌往往会遗漏或者忘记记录；二、很多重要事件不集中，散布在多个终端以及多个应用中，容易混淆和忘记；三、没有办法做到重要事件的统筹管理，比如重要和紧急的事情优先处理等等。因此如何能让用户跨终端和跨应用的重要事件集中管理起来，是一个很迫切的需求。


技术实现要素：

4.本发明的目的在于提供一种重要事件提取方法、装置及设备，用以解决现有重要事件的记录分散在不同应用或不同终端中，存在不便管理的问题。
5.为了达到上述目的，本发明提供一种重要事件提取方法，包括：
6.获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；
7.根据所述至少两个事件提取模型，得到共享重要事件提取模型；
8.根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件。
9.其中，不同应用为下述中的至少一者：
10.同一终端中的不同应用；
11.归属于同一用户的不同终端中的不同应用。
12.其中，所述获取至少两个事件提取模型，包括：
13.接收每个所述参与应用所对应的终端传输的事件提取模型，不同的参与应用对应同一终端和/或归属于同一用户的不同终端。
14.其中，获取至少两个事件提取模型之前，所述方法还包括：
15.在接到模型训练任务的情况下，向各个所述参与应用分发对应的模型训练子任务，以使各个所述参与应用对应的终端、基于所读取到的其对应的参与应用的本地数据进行模型训练，得到各自对应的事件提取模型。
16.其中，所述模型训练任务由第一参与应用发起或者由自身发起，所述第一参与应用为各个所述参与应用中的任意一者。
17.其中，若在第二参与应用对应的模型训练过程中发生异常情况，则其他参与应用
对应的事件提取模型为基于所述异常情况调整各自的模型训练参数后得到的事件提取模型，其中，各个所述参与应用之间通过预定义模式通信。
18.其中，根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件之后，所述方法还包括：
19.将抽取到的重要事件中事件相似度大于预设阈值的重要事件进行合并处理；
20.将合并处理后的重要事件，按照事件的重要程度排序，得到重要事件列表。
21.本发明还提供一种重要事件提取装置，包括：
22.获取模块，用于获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；
23.处理模块，用于根据所述至少两个事件提取模型，得到共享重要事件提取模型；
24.事件提取模块，用于根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件。
25.本发明还提供一种重要事件提取设备，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，所述处理器用于执行以下操作：
26.获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；
27.根据所述至少两个事件提取模型，得到共享重要事件提取模型；
28.根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件。
29.其中，不同应用为下述中的至少一者：
30.同一终端中的不同应用；
31.归属于同一用户的不同终端中的不同应用。
32.其中，所述处理器还用于：
33.接收每个所述参与应用所对应的终端传输的事件提取模型，不同的参与应用对应同一终端和/或归属于同一用户的不同终端。
34.其中，所述处理器还用于：
35.在接到模型训练任务的情况下，向各个所述参与应用分发对应的模型训练子任务，以使各个所述参与应用对应的终端、基于所读取到的其对应的参与应用的本地数据进行模型训练，得到各自对应的事件提取模型。
36.其中，所述模型训练任务由第一参与应用发起或者由自身发起，所述第一参与应用为各个所述参与应用中的任意一者。
37.其中，若在第二参与应用对应的模型训练过程中发生异常情况，则其他参与应用对应的事件提取模型为基于所述异常情况调整各自的模型训练参数后得到的事件提取模型，其中，各个所述参与应用之间通过预定义模式通信。
38.其中，所述处理器还用于：
39.将抽取到的重要事件中事件相似度大于预设阈值的重要事件进行合并处理；
40.将合并处理后的重要事件，按照事件的重要程度排序，得到重要事件列表。
41.本发明还提供一种重要事件提取设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；所述处理器执行所述程序时实现如上述所述的重要事
件提取方法。
42.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的重要事件提取方法中的步骤。
43.本发明的上述技术方案至少具有如下有益效果：
44.本发明实施例中，通过获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；根据所述至少两个事件提取模型，得到共享重要事件提取模型；根据该共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件，如此，能够集中管理来自不同应用或不同终端的重要事件，方便用户对重要事件的统一管理。
附图说明
45.图1表示本发明实施例的重要事件提取方法的流程示意图之一；
46.图2表示本发明实施例的重要事件提取方法对应的技术架构示意图；
47.图3表示本发明实施例的重要事件提取方法的流程示意图之二；
48.图4表示本发明实施例的重要事件提取装置的模块示意图；
49.图5表示本发明实施例的重要事件提取系统的模块示意图；
50.图6表示本发明实施例的重要事件提取设备的结构示意图。
具体实施方式
51.为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
52.本发明针对现有技术中重要事件的记录分散在不同应用或不同终端中，存在不便管理的问题，提供一种重要事件提取方法、装置及设备。
53.如图1所示，为本发明实施例提供的重要事件提取方法的流程示意图。该方法可包括：
54.步骤101，获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；
55.这里，参与应用具体指的是参与模型训练的应用。
56.需要说明的是，基于不同的参与应用所提供的本地数据训练得到不同的事件提取模型。
57.这里，不同参与应用可以是同一终端的不同应用，也可以是不同终端的不同应用。其中，不同终端指的是归属于同一用户的不同终端。
58.这里，基于参与应用的本地数据在本地进行机器学习训练，得到对应的事件提取模型。
59.其中，这里的“本地”指的是安装该参与应用的终端。
60.需要说明的是，首先，将参与应用所提供的本地数据作为训练集，之后，对训练集进行文本处理，比如，切词、语义处理等，提取出关键词或关键语句，最后，基于关键词或关键语句，生成事件的原内容描述信息。这一过程即为事件提取模型训练过程，最终经训练得到事件提取模型。
61.步骤102，根据所述至少两个事件提取模型，得到共享重要事件提取模型；
62.本步骤中，具体的，对所述至少两个事件提取模型按照既定规则处理，得到共享事件提取模型。比如，对至少两个事件提取模型进行加权融合。
63.步骤103，根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件。
64.本步骤中，以纯文本为例，可根据用户行为数据、即时通信会话消息数据，基于所述共享重要事件提取模型，从中抽取重要事件。
65.需要说明的是，表征事件重要程度的参数包括但不限于：时间、地点、事项描述和紧急程度。
66.本发明实施例的重要事件提取方法，通过获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；根据所述至少两个事件提取模型，得到共享重要事件提取模型；根据该共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件，如此，能够集中管理来自不同应用或不同终端的重要事件，方便用户对重要事件的统一管理。
67.可选地，不同应用为下述中的至少一者：
68.同一终端中的不同应用；
69.归属于同一用户的不同终端中的不同应用。
70.作为一可选的实现方式，本发明实施例的方法步骤101，获取至少两个事件提取模型，包括：
71.接收每个所述参与应用所对应的终端传输的事件提取模型，不同的参与应用对应同一终端和/或归属于同一用户的不同终端。
72.需要说明的是，每个所述参与应用所对应的终端在其本地端基于参与应用提供的本地数据完成事件提取模型训练后，上传该训练好的事件提取模型。
73.作为一可选的实现方式，在获取至少两个事件提取模型之前，本发明实施例的方法还包括：
74.在接到模型训练任务的情况下，向各个所述参与应用分发对应的模型训练子任务，以使各个所述参与应用对应的终端、基于所读取到的其对应的参与应用的本地数据进行模型训练，得到各自对应的事件提取模型。
75.具体的，所述模型训练任务由第一参与应用发起或者由自身发起，所述第一参与应用为各个所述参与应用中的任意一者。
76.需要说明的是，本发明实施例的方法的执行主体为重要事件提取设备，该设备可为终端设备，且该终端设备设有具有上述重要事件提取功能的重要事件提取装置。当然，该设备还可以是服务器(即重要事件提取平台)。所以，模型训练任务由自身发起，也就是指模型训练任务由重要事件提取设备发起，即由终端设备的重要事件提取装置发起，或者由服务器发起。
77.可选地，若在第二参与应用对应的模型训练过程中发生异常情况，则其他参与应用对应的事件提取模型为基于所述异常情况调整各自的模型训练参数后得到的事件提取模型，其中，各个所述参与应用之间通过预定义模式通信。
78.这里，可选地，各个所述参与应用之间通过交换随机数或者加密参数的方式通信，其目的是为了在一个参与应用对应的事件提取模型训练过程中发生异常情况时，将异常情况通知给其他参与应用，使得其他参与应用对应的事件提取模型调整模型训练参数以避免出现同样的异常情况，如此能够实现多方安全计算的共享机器学习训练。
79.下面就体现本发明实施例的方法的技术架构图，如图2所示，从设备实体之间的关系的角度具体阐述重要事件提取方法。
80.具体的，该技术架构主要由多个应用数据提供方和多方安全共享学习模型平台组成。
81.这里，多个应用数据提供方可以是同一终端的不同应用，也可以是归属于同一用户的不同终端的不同应用。图2所示，多个应用数据提供方为不同终端的不同应用。
82.这里，多方安全共享学习模型平台可以是服务器或者是终端，这里不做具体限定。
83.具体的，多方安全共享学习模型平台主要包括模块控制、共享模型组成；应用数据提供方由本地数据、机器学习模块组成。
84.其中，多终端(图中指的是终端1和终端2)中的应用数据提供方的学习模块，在多方安全共享学习模型平台的触发和协调下，通过交换随机数或者加密参数等形式进行交互，实现多方安全计算的共享机器学习训练。
85.各应用作为数据提供方，依托应用的本地数据在本地(本终端)部署机器学习模块，根据需要发起训练任务。各个应用或者多方安全共享学习模型平台均可以发起训练任务，多方安全共享学习模型平台收到训练任务后，统一进行协调处理，将训练任务下发到各个终端的应用方，各个应用根据本地的数据和本地的机器学习模块进行训练，其中，在训练过程中出现异常情况时，各应用方通过预定义模式(随机数或者通过加密参数)多次交互和互通后，完成共享学习任务训练，构成共享模型(即共享重要事件提取模型)，并最终根据共享模型获取到用户重要事件。
86.下面就图3，以应用a为训练任务发起方为例，具体说明该共享模型的建模流程。
87.s1a：应用a侧部署机器学习模块；
88.s1b：应用b侧部署机器学习模块；
89.s2：应用a发起训练任务；
90.s3：多方安全共享学习模型平台分解并协调测试任务；
91.s4a：多方安全共享学习模型平台向应用a下发训练子任务；
92.s4b：多方安全共享学习模型平台向应用b下发训练子任务；
93.s5a：应用a读取本地数据到本地机器学习模块；
94.s5b：应用b读取本地数据到本地机器学习模块；
95.s6：应用a和应用b双方机器学习模块通过多次参数交换，进行多方共享学习模型训练；
96.s7a：应用a侧将完成训练的事件提取模型上传至多方安全共享学习模型平台；
97.s7b：应用b侧将完成训练的事件提取模型上传至多方安全共享学习模型平台；
98.s8：多方安全共享学习模型平台按照既定规则形成共享模型；
99.s9：基于共享模型生成重要事件。
100.这里，基于共享模型，可基于不同应用的数据生成对应的重要事件。
101.作为一可选的实现方式，根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件之后，本发明实施例的方法还可包括：
102.将抽取到的重要事件中事件相似度大于预设阈值的重要事件进行合并处理；
103.这里，事件相似度大于预设阈值的重要事件具体指的是相似事件或者相同事件。
104.将合并处理后的重要事件，按照事件的重要程度排序，得到重要事件列表。
105.这里事件的重要程度可以通过表征事件重要程度的参数来衡量。比如，将抽取到的且经过合并处理的重要事件，按照时间、重要度等或用户定义的其他维度进行排序，形成重要事件列表。
106.需要说明的是，若重要事件提取设备为终端设备，则可在该终端设备的即时通信固定会话中集中显示该重要事件列表。若重要事件提取设备为服务器，则可将该重要事件列表传输给终端设备，之后，在该终端设备的即时通信固定会话中集中显示该重要事件列表。
107.这里，用户可以对该重要事件列表进行编辑和管理。具体的，包括但不限于删除、修改、查询、增加等操作。
108.如图4所示，本发明实施例还提供一种重要事件提取装置，该装置包括：
109.获取模块401，用于获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；
110.处理模块402，用于根据所述至少两个事件提取模型，得到共享重要事件提取模型；
111.事件提取模块403，用于根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件。
112.可选地，不同应用为下述中的至少一者：
113.同一终端中的不同应用；
114.归属于同一用户的不同终端中的不同应用。
115.可选地，所述获取模块401包括：
116.接收单元，用于接收每个所述参与应用所对应的终端传输的事件提取模型，不同的参与应用对应同一终端和/或归属于同一用户的不同终端。
117.可选地，本发明实施例的重要事件提取装置还包括：
118.任务分发模块，用于在接到模型训练任务的情况下，向各个所述参与应用分发对应的模型训练子任务，以使各个所述参与应用对应的终端、基于所读取到的其对应的参与应用的本地数据进行模型训练，得到各自对应的事件提取模型。
119.可选地，所述模型训练任务由第一参与应用发起或者由自身发起，所述第一参与应用为各个所述参与应用中的任意一者。
120.可选地，若在第二参与应用对应的模型训练过程中发生异常情况，则其他参与应用对应的事件提取模型为基于所述异常情况调整各自的模型训练参数后得到的事件提取模型，其中，各个所述参与应用之间通过预定义模式通信。
121.可选地，本发明实施例的重要事件提取装置还包括：
122.事件合并模块，用于将抽取到的重要事件中事件相似度大于预设阈值的重要事件进行合并处理；
123.列表生成模块，用于将合并处理后的重要事件，按照事件的重要程度排序，得到重要事件列表。
124.本发明实施例的重要事件提取装置，通过获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；根据所述至少两个事件提取模型，得到共享重要事件提取模型；根据该共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件，如此，能够集中管理来自不同应用或不同终端的重要事件，方便用户对重要事件的统一管理。
125.本发明实施例还提供一种重要事件提取系统，如图5所示，该系统包括：多方训练端管理模块、共享模型构建模块、重要事件生成模块和重要事件管理及显示模块。
126.其中，多方训练端管理模块主要是对参与共享学习训练的应用进行管理，包括参与应用的添加、删除等。
127.共享模型构建模块包括：共享模型构建子模块和共享模型管理子模块。其中，共享模型构建子模块主要是完成多方应用共享模型的训练；共享模型管理子模块主要是完成共享模型的管理，如共享模型更新等。
128.重要事件生成模块包括重要事件抽取子模块和重要事件合并子模块。
129.下面以纯文本为例，重要事件生成实现如下：根据用户行为数据、即时通信会话消息数据，从中抽取重要事件及要素(如时间、地点、事项描述、紧急程度等)，并将抽取到的相似事件项进行合并，最后抽取重要事件相关的原内容描述信息。
130.重要事件管理及显示模块包括重要事件管理子模块和重要事件显示子模块。其中，重要事件管理子模块主要是将抽取到的重要事件，按照时间、重要度等或用户定义的其他维度进行排序，形成重要事件列表；重要事件显示子模块主要是在即时通信固定会话中集中显示重要事件列表，用户可对其进行编辑、管理，包括但不限于删除、修改、查询、增加等操作。
131.为了更好的实现上述目的，如图6所示，本发明实施例还提供一种重要事件提取设备，包括处理器600和收发器610，所述处理器600用于执行如下过程：
132.获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；
133.根据所述至少两个事件提取模型，得到共享重要事件提取模型；
134.根据所述共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件。
135.可选地，不同应用为下述中的至少一者：
136.同一终端中的不同应用；
137.归属于同一用户的不同终端中的不同应用。
138.可选地，所述处理器600还用于：
139.接收每个所述参与应用所对应的终端传输的事件提取模型，不同的参与应用对应同一终端和/或归属于同一用户的不同终端。
140.可选地，所述处理器600还用于：
141.在接到模型训练任务的情况下，向各个所述参与应用分发对应的模型训练子任
务，以使各个所述参与应用对应的终端、基于所读取到的其对应的参与应用的本地数据进行模型训练，得到各自对应的事件提取模型。
142.可选地，所述模型训练任务由第一参与应用发起或者由自身发起，所述第一参与应用为各个所述参与应用中的任意一者。
143.可选地，若在第二参与应用对应的模型训练过程中发生异常情况，则其他参与应用对应的事件提取模型为基于所述异常情况调整各自的模型训练参数后得到的事件提取模型，其中，各个所述参与应用之间通过预定义模式通信。
144.可选地，所述处理器600还用于：
145.将抽取到的重要事件中事件相似度大于预设阈值的重要事件进行合并处理；
146.将合并处理后的重要事件，按照事件的重要程度排序，得到重要事件列表。
147.需要说明的是，若该重要事件提取设备为终端，则该重要事件提取设备还包括用户接口。若该重要事件提取设备为服务器，则该重要事件提取设备不包括用户接口。
148.本发明实施例的重要事件提取设备，通过获取至少两个事件提取模型，每个所述事件提取模型基于其对应的参与应用所提供的本地数据在对应的终端侧训练得到；根据所述至少两个事件提取模型，得到共享重要事件提取模型；根据该共享重要事件提取模型，分别从不同应用中抽取重要事件，所述重要事件为表征事件重要程度的参数满足其对应的预设条件的事件，如此，能够集中管理来自不同应用或不同终端的重要事件，方便用户对重要事件的统一管理。
149.本发明实施例还提供一种重要事件提取设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的重要事件提取方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
150.本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的重要事件提取方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
151.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
152.本技术是参照根据本技术实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或一个方框或多个方框中指定的功能的装置。
153.这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储介质中，使得存储在该计算机可读存储介质中的指令产生包
括指令装置的纸制品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
154.这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他科编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
155.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。