[發(fā)明專(zhuān)利]一種英文微博中地理興趣點(diǎn)抽取和感知其時(shí)間趨勢(shì)的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410243738.0
• 申請(qǐng)日: 2014-06-04
• 公開(kāi)（公告）號(hào): CN103984771B
• 公開(kāi)（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 李晨亮;孫愛(ài)欣
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢大學(xué)
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 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

1.一種英文微博中地理興趣點(diǎn)抽取和感知其時(shí)間趨勢(shì)的方法，其特征在于，包括以下步驟：

步驟1：針對(duì)給定的地理區(qū)域，利用英文社交網(wǎng)絡(luò)，構(gòu)建該地理區(qū)域的地理興趣點(diǎn)知識(shí)庫(kù)，使其每一個(gè)知識(shí)庫(kù)中的詞條都可以對(duì)應(yīng)于至少一個(gè)該地理區(qū)域的地理興趣點(diǎn)；

步驟2：根據(jù)步驟1構(gòu)建的地理興趣點(diǎn)知識(shí)庫(kù)，對(duì)來(lái)自該給定的地理區(qū)域的英文微博進(jìn)行掃描匹配，獲取所有包含有地理興趣點(diǎn)知識(shí)庫(kù)中的地理興趣點(diǎn)表述的微博，這些匹配到的地理興趣點(diǎn)表述成為候選地理興趣點(diǎn)，從這些微博中隨機(jī)采樣一定數(shù)量的微博，對(duì)采樣微博中各個(gè)候選地理興趣點(diǎn)進(jìn)行人工消歧義標(biāo)注，然后對(duì)其中真實(shí)的地理興趣點(diǎn)人工進(jìn)行時(shí)間趨勢(shì)標(biāo)記，最后生成訓(xùn)練集合；

步驟3：根據(jù)步驟2生成的訓(xùn)練集合，對(duì)集合中的每條英文微博進(jìn)行特征提取，基于訓(xùn)練集合，依據(jù)提取詞匯特征、語(yǔ)法特征和BILOU模式標(biāo)記特征，運(yùn)用條件隨機(jī)場(chǎng)模型，訓(xùn)練出英文微博的時(shí)間趨勢(shì)地理興趣點(diǎn)標(biāo)記器；

步驟4：當(dāng)對(duì)來(lái)自該給定的地理區(qū)域的新的英文微博要進(jìn)行處理時(shí)，利用步驟3所述的方法對(duì)新的英文微博進(jìn)行特征提取，然后運(yùn)用步驟3生成的時(shí)間趨勢(shì)地理興趣點(diǎn)標(biāo)記器來(lái)進(jìn)行地理興趣點(diǎn)的確定和感知其時(shí)間趨勢(shì)。

2.根據(jù)權(quán)利要求1所述的英文微博中地理興趣點(diǎn)抽取和感知其時(shí)間趨勢(shì)的方法，其特征在于：步驟1中所述的詞條，是一個(gè)單詞或由多個(gè)單詞組成的一個(gè)短語(yǔ)。

3.根據(jù)權(quán)利要求1或2所述的英文微博中地理興趣點(diǎn)抽取和感知其時(shí)間趨勢(shì)的方法，其特征在于：步驟1中所述針對(duì)給定的地理區(qū)域，利用英文社交網(wǎng)絡(luò)，構(gòu)建該地理區(qū)域的地理興趣點(diǎn)知識(shí)庫(kù)；其具體實(shí)現(xiàn)包括以下子步驟：

步驟1.1：根據(jù)英文社交網(wǎng)絡(luò)提供的API服務(wù)或者網(wǎng)頁(yè)爬蟲(chóng)抓取用戶位置簽到信息，基于用戶的個(gè)人資料收集來(lái)自特定地理區(qū)域的用戶位置簽到記錄，生成關(guān)于特定地理區(qū)域的簽到記錄集合；

步驟1.2：根據(jù)步驟1.1生成的簽到記錄集合，基于正則表達(dá)式，抽取簽到記錄中的地理興趣點(diǎn)名稱(chēng)，這些抽取到的地理興趣點(diǎn)名稱(chēng)作為地理興趣點(diǎn)的全稱(chēng)存儲(chǔ)在地理興趣點(diǎn)知識(shí)庫(kù)中；

步驟1.3：根據(jù)步驟1.2抽取到的地理興趣點(diǎn)全稱(chēng)，生成地理興趣點(diǎn)部分名稱(chēng)，并存儲(chǔ)在地理興趣點(diǎn)知識(shí)庫(kù)中。

4.根據(jù)權(quán)利要求3所述的英文微博中地理興趣點(diǎn)抽取和感知其時(shí)間趨勢(shì)的方法，其特征在于：步驟1.3的具體實(shí)現(xiàn)過(guò)程為基于地理興趣點(diǎn)全稱(chēng)，提取這個(gè)全稱(chēng)的所有長(zhǎng)度不超過(guò)5個(gè)單詞的子序列，在此過(guò)程中，英文停用詞將作為產(chǎn)生子序列的分隔詞，并且不會(huì)出現(xiàn)在子序列中，這些子序列將作為其地理興趣點(diǎn)的部分名稱(chēng)存儲(chǔ)在地理興趣點(diǎn)知識(shí)庫(kù)中。

5.根據(jù)權(quán)利要求1所述的英文微博中地理興趣點(diǎn)抽取和感知其時(shí)間趨勢(shì)的方法，其特征在于：步驟2中所述的對(duì)來(lái)自該給定的地理區(qū)域的英文微博進(jìn)行掃描匹配，在匹配地理興趣點(diǎn)名稱(chēng)的過(guò)程中，優(yōu)先選擇更長(zhǎng)的地理興趣點(diǎn)名稱(chēng)以及位置靠前出現(xiàn)的名稱(chēng)。