[發(fā)明專利]基于信息單元融合的新聞原子事件抽取方法

有效

• 申請?zhí)枺?/td>: 201410108447.0
• 申請日: 2014-03-21
• 公開（公告）號(hào): CN103838870A
• 公開（公告）日: 2014-06-04
• 發(fā)明（設(shè)計(jì)）人: 劉茂福;張賀
• 申請（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/27
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

1.一種基于信息單元融合的新聞原子事件抽取方法，其特征在于所述方法

的具體步驟是：

步驟一、對新聞?wù)Z料的新聞?wù)倪M(jìn)行除雜處理：

①、去掉小括號(hào)和方括號(hào)中的內(nèi)容，

②、將英文雙引號(hào)替換為中文雙引號(hào)，

③、去掉“@”符號(hào)，

④、根據(jù)新聞?wù)慕Y(jié)尾的記者信息模式和媒體信息模式過濾掉新聞?wù)慕Y(jié)尾與事件抽取無關(guān)的信息，

得到除雜處理后的新聞?wù)模?/p>

步驟二、利用Stanford?Word?Segmenter軟件對新聞標(biāo)題和除雜處理后的新聞?wù)倪M(jìn)行中文分詞，得到新聞標(biāo)題的中文分詞結(jié)果和新聞?wù)牡闹形姆衷~結(jié)果；

步驟三、利用Stanford?Named?Entity?Recognizer軟件對新聞?wù)牡闹形姆衷~結(jié)果和新聞標(biāo)題的中文分詞結(jié)果進(jìn)行命名實(shí)體識(shí)別，得到新聞?wù)牡拿麑?shí)體識(shí)別結(jié)果和新聞標(biāo)題的命名實(shí)體識(shí)別結(jié)果；

步驟四、利用Stanford?POS?Tagger軟件對新聞?wù)牡闹形姆衷~結(jié)果和新聞標(biāo)題的中文分詞結(jié)果進(jìn)行詞性標(biāo)注，得到新聞?wù)牡脑~性標(biāo)注結(jié)果和新聞標(biāo)題的詞性標(biāo)注結(jié)果；

步驟五、根據(jù)待過濾動(dòng)詞詞表對新聞?wù)牡脑~性標(biāo)注結(jié)果和新聞標(biāo)題的詞性標(biāo)注結(jié)果進(jìn)行動(dòng)詞過濾，得到動(dòng)詞過濾后的新聞?wù)牡脑~性標(biāo)注結(jié)果和動(dòng)詞過濾后的新聞標(biāo)題的詞性標(biāo)注結(jié)果；

步驟六、根據(jù)初步融合規(guī)則庫對所述動(dòng)詞過濾后的新聞?wù)牡脑~性標(biāo)注結(jié)果和所述新聞?wù)牡拿麑?shí)體識(shí)別結(jié)果進(jìn)行初步融合，得到新聞?wù)牡某醪饺诤辖Y(jié)果；根據(jù)初步融合規(guī)則庫對所述動(dòng)詞過濾后的新聞標(biāo)題的詞性標(biāo)注結(jié)果和所述新聞標(biāo)題的命名實(shí)體識(shí)別結(jié)果進(jìn)行初步融合，得到新聞標(biāo)題的初步融合結(jié)果；

步驟七、根據(jù)信息單元融合規(guī)則庫對新聞?wù)牡某醪饺诤辖Y(jié)果和新聞標(biāo)題

的初步融合結(jié)果進(jìn)行信息單元融合，得到新聞?wù)牡男畔卧诤辖Y(jié)果和新聞標(biāo)題的信息單元融合結(jié)果；

步驟八、根據(jù)核心詞表和事件抽取規(guī)則庫對新聞?wù)牡男畔卧诤辖Y(jié)果進(jìn)行原子事件抽取，得到新聞?wù)牡脑邮录槿〗Y(jié)果。

2.根據(jù)權(quán)利要求1所述的基于信息單元融合的新聞原子事件抽取方法，其特征在于所述新聞?wù)慕Y(jié)尾的記者信息模式和媒體信息模式是通過對所收集的新聞?wù)慕Y(jié)尾的記者信息和媒體信息進(jìn)行模式聚類得出的信息模式。

3.根據(jù)權(quán)利要求1所述的基于信息單元融合的新聞原子事件抽取方法，其特征在于所述待過濾動(dòng)詞詞表是由對選取事件謂詞影響較大和在新聞?wù)闹谐霈F(xiàn)頻率較高的趨向動(dòng)詞、意向動(dòng)詞、言說動(dòng)詞和致使動(dòng)詞構(gòu)成的動(dòng)詞詞表。

4.根據(jù)權(quán)利要求1所述的基于信息單元融合的新聞原子事件抽取方法，其特征在于所述初步融合規(guī)則庫是由命名實(shí)體標(biāo)簽的選擇規(guī)則、書名號(hào)所標(biāo)志成分的識(shí)別規(guī)則、時(shí)間信息單元的識(shí)別規(guī)則、連續(xù)相同標(biāo)簽的合并規(guī)則和“PU”標(biāo)簽的省略規(guī)則所構(gòu)成的規(guī)則庫。

5.根據(jù)權(quán)利要求1所述的基于信息單元融合的新聞原子事件抽取方法，其特征在于所述信息單元融合規(guī)則庫是由介詞單元融合規(guī)則、名詞單元融合規(guī)則、狀語單元融合規(guī)則、命名實(shí)體單元融合規(guī)則和修飾語單元融合規(guī)則所構(gòu)成的規(guī)則庫。

6.根據(jù)權(quán)利要求1所述的基于信息單元融合的新聞原子事件抽取方法，其特征在于所述核心詞表是通過統(tǒng)計(jì)新聞標(biāo)題的信息單元融合結(jié)果所得詞表和通過統(tǒng)計(jì)新聞?wù)牡男畔卧诤辖Y(jié)果所得詞表的集合；其中：通過統(tǒng)計(jì)新聞標(biāo)題的信息單元融合結(jié)果所得詞表是通過統(tǒng)計(jì)新聞標(biāo)題的信息單元融合結(jié)果中的動(dòng)詞和名詞所得詞表；通過統(tǒng)計(jì)新聞?wù)牡男畔卧诤辖Y(jié)果所得詞表是通過統(tǒng)計(jì)新聞?wù)牡男畔卧诤辖Y(jié)果中的命名實(shí)體、被標(biāo)記為“DEG”標(biāo)簽的“的”字后邊的名詞、詞頻大于1次的動(dòng)詞和詞頻大于1次的名詞所得詞表。

7.根據(jù)權(quán)利要求1所述的基于信息單元融合的新聞原子事件抽取方法，其特征在于所述事件抽取規(guī)則庫是由權(quán)值分配規(guī)則、新聞?wù)牡男畔卧诤辖Y(jié)果的句子切分規(guī)則、新聞?wù)牡男畔卧诤辖Y(jié)果的原子句切分規(guī)則、?“把”

字句抽取規(guī)則、“被”字句抽取規(guī)則、一般句抽取規(guī)則和時(shí)間空間抽取規(guī)則構(gòu)成的規(guī)則庫。