[發(fā)明專利]臺風事件信息聚合方法

有效

• 申請?zhí)枺?/td>: 202011245204.3
• 申請日: 2020-11-10
• 公開（公告）號: CN112328794B
• 公開（公告）日: 2021-08-24
• 發(fā)明（設計）人: 張雪英;葉鵬;懷安
• 申請（專利權(quán)）人: 南京師范大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/31;G06F16/2455;G06F40/216;G06F40/284;G06F40/289;G06Q50/00
• 代理公司: 南京銳恒專利代理事務所(普通合伙) 32506
• 代理人: 陳思

1.臺風事件信息聚合方法，其特征在于，主要步驟如下：

步驟1、采集社交媒體中與臺風事件相關(guān)的消息文本，并從中抽取臺風事件信息，并轉(zhuǎn)換為結(jié)構(gòu)化的信息元組形式；在步驟1中，臺風事件信息抽取至少包括信息要素識別和信息要素關(guān)聯(lián)兩個部分：

信息要素識別：明確臺風事件的組成對象并構(gòu)建分類體系，從社交媒體文本中抽取描述不同類型對象的名稱與特征信息，其中特征信息包括時間、位置、屬性和行為；屬性信息分為屬性項和屬性值，屬性項表示屬性的類型，而屬性值為該類型屬性具有的數(shù)據(jù)或數(shù)據(jù)量；

信息要素關(guān)聯(lián)：在同一篇社交媒體文本中，將特征信息依據(jù)其表征對象與名稱進行關(guān)聯(lián)，形成O_n＝T，L，A，B形式的信息元組；其中，O_n為對象名稱，T為時間信息，L為位置信息，A為屬性信息，B為行為信息；

步驟2、基于多特征相似度的對象信息聚合：依據(jù)對象名稱間的相似度判斷其是否屬于同一對象的信息元組，將描述同一對象的信息元組進行聚合；在步驟2中，采用詞向量相似度判斷對象名稱、屬性項和行為項之間相似性，包括以下步驟：

S1、將全部社交媒體文本數(shù)據(jù)進行分詞；

S2、將分詞結(jié)果作為訓練集，利用Skip-gram模型進行詞向量訓練；

S3、設定對象名稱O_n1、O_n2，屬性項A₁、A₂，行為項B₁、B₂，依據(jù)訓練過的詞向量模型分別獲得O_n1、O_n2、A₁、A₂、B₁、B₂的詞向量E(O_n1)、E(O_n2)、E(A₁)、E(A₂)、E(B₁)、E(B₂)；

S4、利用余弦相似度分別計算E(O_n1)與E(O_n2)、E(A₁)與E(A₂)、E(B₁)與E(B₂)之間的相似度值sim_n、sim_a和sim_b；若sim_n≥ε_n，sim_a≥ε_a，sim_b≥ε_b，其中ε_n、ε_a、ε_b是閾值，則表明O_n1與O_n2、A₁與A₂、B₁與B₂是相同的對象名稱、屬性項和行為項，進行相應的信息聚合；

步驟3、基于時空特征的狀態(tài)信息聚合：在對象信息聚合結(jié)果中篩選符合單一時間和位置條件要求的屬性值和行為值，時間信息、位置信息與篩選出的屬性值和行為值共同構(gòu)成對象在特定時空下的狀態(tài)信息聚合結(jié)果；

步驟4、基于狀態(tài)的過程信息聚合：在對象信息聚合結(jié)果中篩選符合時間和位置范圍要求的時空節(jié)點信息，對這些時空節(jié)點分別進行狀態(tài)信息聚合，并將多個狀態(tài)信息聚合結(jié)果進行排序，形成體現(xiàn)動態(tài)特性的過程信息聚合結(jié)果；在步驟4中，對多個狀態(tài)信息聚合結(jié)果進行排序時，包括以下步驟：

A1、依據(jù)狀態(tài)的時間信息，遵循順序或倒序的方式進行排序；

A2、依據(jù)狀態(tài)的位置信息，遵循尺度由大到小或由小到大的方式進行排序；

A3、依據(jù)狀態(tài)的屬性信息和行為信息，依據(jù)特征值的大小或等級排序，或者依據(jù)與用戶聚合條件的相似度進行排序。

2.根據(jù)權(quán)利要求1所述的臺風事件信息聚合方法，其特征在于，在步驟1中，所述臺風事件信息包括對象名稱、時間信息、位置信息、屬性信息和行為信息。

3.根據(jù)權(quán)利要求1所述的臺風事件信息聚合方法，其特征在于，在步驟2中，對于描述同一對象的不同信息元組，其中相同類型的屬性項和行為項也需要進行進一步聚合。