发明名称 |
一种新闻事件抽取方法及系统 |
摘要 |
一种新闻事件抽取方法及系统。其中,新闻事件抽取方法包括:根据查询词在新闻语料库中获取包括查询词的新闻句子集;针对含有准确时间的新闻句子,抽取出其中的时间;将具有相同时间的新闻句子归类到同一时间戳容器;针对每一个时间戳容器,统计其中的新闻句子中每一个词出现的频率,并建立相应的特征向量;针对不含准确时间的新闻句子,针对不同时间戳容器建立与时间戳容器的特征向量维度相同的词组向量,并计算词组向量与时间戳容器的特征向量之间的相似度;如果所计算得到的相似度的最大值大于设定的阈值,则将不含准确时间的新闻句子加入到相似度最高的时间戳容器中。本发明能够将不含时间元素的句子正确归类。 |
申请公布号 |
CN105354186A |
申请公布日期 |
2016.02.24 |
申请号 |
CN201510749707.7 |
申请日期 |
2015.11.05 |
申请人 |
同济大学 |
发明人 |
蒋昌俊;闫春钢;陈闳中;丁志军;吴亚光 |
分类号 |
G06F17/27(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
上海光华专利事务所 31219 |
代理人 |
朱裕禄 |
主权项 |
一种新闻事件抽取方法,其特征在于,所述新闻事件抽取方法包括:根据查询词在新闻语料库中获取包括所述查询词的新闻句子集;将所述新闻句子集分成含有准确时间的新闻句子以及不含准确时间的新闻句子;针对含有准确时间的新闻句子,抽取出其中的时间;针对不同的时间建立多个时间戳容器,并将具有相同时间的新闻句子归类到同一时间戳容器;针对每一个时间戳容器,统计其中的新闻句子中每一个词出现的频率,并建立相应的特征向量;针对不含准确时间的新闻句子,根据所述不含准确时间的新闻句子的分词分别针对不同时间戳容器建立与所述时间戳容器的特征向量维度相同的词组向量,并计算所述词组向量与所述时间戳容器的特征向量之间的相似度;如果所计算得到的相似度的最大值大于设定的阈值,则将所述不含准确时间的新闻句子加入到相似度最高的时间戳容器中。 |
地址 |
200092 上海市杨浦区四平路1239号 |