海量文本中企业行为或事件的抽取方法

摘要

本发明涉及数据挖掘领域，提供一种海量文本中企业行为或事件的抽取方法，该方法包括：数据预处理；词表征；事件向量计算；事件提取分类。本发明提出的技术方案使用向量表示事件和微博，所以基于事件的相似度，本发明能够有效地计算相似度和分类一条新的微博数据。同时，本发明检测微博事件的精确度、召回率、和F值要远优于现有技术中的方法。

主权项

一种海量文本中企业行为或事件的抽取方法，其特征在于包括以下步骤：A、数据预处理从网络中获取目标数据，并将这些数据内容进行预处理形成数据集；B、词表征将预处理形成的数据集中的单词映射到k维的空间向量中，k为预设的维度范围；C、事件向量计算从预处理后的数据集中抽取动词序列，计算所有动词序列的平均词向量，人工标注若干条种子标签，计算同一标签相同事件的平均种子向量；D、事件提取分类通过计算剩余数据集和事件向量的相似度来确定每一条微博数据记录的分类。