基于时间信息的关键子话题提取方法

摘要

本发明属于文本分析技术领域，具体是一种网络文本信息分析方法，尤其涉及一种基于时间信息的关键子话题提取方法。其步骤是，下载文本信息记录，提取其中的时间信息，再对相同时间点的文本的话题进行识别，然后定义并计算时间引用网络的节点关注度和关注度突变系数，最后根据突变系数与阈值的比较，确定关键子话题。本发明克服了目前基于关键词识别话题的各种方法所存在的问题，为准确确定关键子话题提供了一种有效的方法，适应于各种具有时间信息的文本集的计算机自动分析要求。

主权项

1.基于时间信息的关键子话题提取方法，其特征在于具备具体步骤如下：(1)针对连续的跟踪报道，从互联网上下载相应的新闻报道文本信息记录，从而构成一个包含时间信息的事件文本数据集；(2)从新闻报道文本中提取时间点针对各个文本记录，从文本中寻找并提取事件的基本时间和引用时间；这里，基本时间是指新闻报道该事件的第一时间点，引用时间是指以基本时间为参考点的其它位置出现的时间点；时间的表达方法分为相对时间和绝对时间两种；在时间点的提取过程中，采用模式匹配的方法获取绝对时间点；根据汉语的习惯表达的各种方式获取相对时间点，并根据相对时间数字转换表，将相对时间转换为绝对时间；(3)在时间点提取的基础上，根据各个报道的绝对时间对文本集中相同基本时间的文本记录，采用聚类方法进行话题识别，得到与某个绝对时间对应的子话题描述；根据不同的基本时间，得到一系列子话题；(4)针对子话题与时间的对应关系，包括基本时间和引用时间，构造各个事件在不同时间点上的引用网络，这是一个含权的有向网络；网络节点表示与某个时间相关联的话题，网络，节点之间的连接及方向表示引用关系，网络边的权重表示引用的数量；(5)定义并计算时间引用网络的节点关注度，关注度的定义是节点的被引用数；(6)定义并计算关注度突变系数；(7)根据突变系数与阈值的比较，确定关键子话题。