[發(fā)明專利]基于規(guī)劃?目標(biāo)圖的新聞事件信息抽取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611213321.5
• 申請(qǐng)日: 2016-12-23
• 公開（公告）號(hào): CN106874345A
• 公開（公告）日: 2017-06-20
• 發(fā)明（設(shè)計(jì)）人: 趙美靜;倪晚成;劉禹
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院自動(dòng)化研究所
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/27
• 代理公司: 北京瀚仁知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11482
• 代理人: 李飛,吳曉芬

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用中的輿情分析和文本處理技術(shù)領(lǐng)域，具體來說涉及一種基于規(guī)劃-目標(biāo)圖的新聞事件信息抽取方法。

背景技術(shù)

隨著web技術(shù)的迅猛發(fā)展，互聯(lián)網(wǎng)普及率逐漸上升，信息公開化程度逐步提高，網(wǎng)絡(luò)已經(jīng)成為新聞事件報(bào)道和傳播的重要平臺(tái)。互聯(lián)網(wǎng)上新聞網(wǎng)頁的數(shù)量急劇增長，新聞量和冗余信息的增加，給閱讀和信息分析帶來了新的挑戰(zhàn)。快速、精準(zhǔn)地從新聞報(bào)道中自動(dòng)抽取新聞事件信息，尤其是新聞事件的關(guān)鍵信息，一方面，能夠輔助分析和管理新聞事件，降低人工成本，提高分析效率；另一方面，能夠?yàn)榫W(wǎng)絡(luò)輿情的監(jiān)控和預(yù)警、熱點(diǎn)事件的檢索和追蹤、智能問答系統(tǒng)及大數(shù)據(jù)決策支持等上層應(yīng)用提供支持，具有廣泛的應(yīng)用前景。

新聞事件是指發(fā)生在某時(shí)某地的一件特別的事情，它可以由許多信息組成，其中較為關(guān)鍵的信息包括：事件發(fā)生的時(shí)間、事件發(fā)生的地點(diǎn)、事件的參與者、事件的關(guān)鍵詞和事件的某些關(guān)鍵數(shù)字等。這些信息不僅有助于新聞閱讀者快速把握新聞事件的主體內(nèi)容信息，而且可以為海量新聞數(shù)據(jù)的自動(dòng)分析和處理提供必要的基礎(chǔ)內(nèi)容。由于新聞文本在形式上具有詞匯、句式規(guī)范、篇章結(jié)構(gòu)統(tǒng)一、語言風(fēng)格穩(wěn)定等特點(diǎn)，使得自動(dòng)抽取新聞事件的關(guān)鍵信息成為可能。然而，目前最常見的新聞抽取系統(tǒng)所解決的問題主要是從新聞網(wǎng)頁中抽取正文中的個(gè)別句子作為新聞?wù)蛘邔?duì)新聞?wù)倪M(jìn)行簡單的分類處理，關(guān)于理解新聞事件內(nèi)容，特別是自動(dòng)地、可解釋地進(jìn)行事件信息抽取等方面的工作仍然空缺。

有鑒于此，特提出本發(fā)明。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中的上述問題，即為了解決如何自動(dòng)、快速、充分地挖掘新聞事件信息的技術(shù)問題而提供一種基于規(guī)劃-目標(biāo)圖的新聞事件信息抽取方法。

為了實(shí)現(xiàn)上述目的，提供了以下技術(shù)方案：

一種基于規(guī)劃-目標(biāo)圖的新聞事件信息抽取方法，該方法包括：

抽取新聞文本的新聞實(shí)體信息和關(guān)鍵詞信息；

基于新聞實(shí)體信息和關(guān)鍵詞信息，建立新聞事件信息抽取規(guī)劃-目標(biāo)圖；

設(shè)置新聞事件信息抽取規(guī)劃-目標(biāo)圖的狀態(tài)；

根據(jù)新聞事件信息抽取規(guī)劃-目標(biāo)圖的狀態(tài)，建立新聞事件信息抽取規(guī)劃-目標(biāo)圖的判定規(guī)則；

執(zhí)行新聞事件信息抽取規(guī)劃-目標(biāo)圖的判定規(guī)則，抽取新聞事件信息。

進(jìn)一步地，抽取新聞文本的新聞實(shí)體信息和關(guān)鍵詞信息具體包括：

將新聞文本分為：標(biāo)題、摘要和正文；

針對(duì)標(biāo)題、摘要和正文，分別進(jìn)行分詞、詞性標(biāo)注和命名實(shí)體識(shí)別處理，抽取出時(shí)間實(shí)體、地點(diǎn)實(shí)體、人物實(shí)體、機(jī)構(gòu)實(shí)體，并提取出正文的關(guān)鍵詞。

進(jìn)一步地，當(dāng)時(shí)間實(shí)體和地點(diǎn)實(shí)體為多個(gè)時(shí)，將多個(gè)時(shí)間實(shí)體中的一個(gè)作為時(shí)間實(shí)體抽取值，將多個(gè)地點(diǎn)實(shí)體中的一個(gè)多為地點(diǎn)實(shí)體抽取值。

進(jìn)一步地，基于新聞實(shí)體信息和關(guān)鍵詞信息，建立新聞事件信息抽取規(guī)劃-目標(biāo)圖，具體包括：

基于新聞實(shí)體信息和關(guān)鍵詞信息，建立層級(jí)節(jié)點(diǎn)關(guān)系圖；其中，層級(jí)節(jié)點(diǎn)關(guān)系圖由規(guī)劃節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)交替組成；

設(shè)置同一目標(biāo)節(jié)點(diǎn)的多個(gè)規(guī)劃節(jié)點(diǎn)之間的優(yōu)先級(jí)。

進(jìn)一步地，設(shè)置新聞事件信息抽取規(guī)劃-目標(biāo)圖的狀態(tài)具體包括：

設(shè)置規(guī)劃節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)的邏輯屬性；

確定同一目標(biāo)節(jié)點(diǎn)的多個(gè)規(guī)劃節(jié)點(diǎn)之間的優(yōu)先級(jí)。

進(jìn)一步地，執(zhí)行新聞事件信息抽取規(guī)劃-目標(biāo)圖的判定規(guī)則，抽取新聞事件信息，具體包括：

當(dāng)頂層節(jié)點(diǎn)的邏輯屬性為真時(shí)，根據(jù)目標(biāo)節(jié)點(diǎn)的規(guī)劃節(jié)點(diǎn)的優(yōu)先級(jí)，抽取新聞事件信息。

進(jìn)一步地，新聞事件信息包括新聞文本的時(shí)間、地點(diǎn)、參與者和事件關(guān)鍵詞信息。