[發明專利]基于知識圖譜的自動化事件標記與分類方法

有效

• 申請號: 202011417045.0
• 申請日: 2020-12-07
• 公開（公告）號: CN112487306B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 王曉玲;趙鑫;袁佳豪;王韻弘
• 申請（專利權）人: 華東師范大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9537;G06F16/951;G06F16/36;G06F16/35;G06F40/289
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種基于知識圖譜的自動化事件標記與分類方法，構建所需的領域類別的知識圖譜，爬取預設時間窗口內的社交媒體中發布的各個文本數據，提取關鍵短語并篩選得到突發短語，對突發短語進行聚類得到突發短語簇，每個突發短語簇即為時間窗口內的一個突發事件，然后計算突發事件對應突發短語在各個知識圖譜上的TF?IDF得分，求和得到突發事件在各個知識圖譜上的TF?IDF得分，如果大于預設閾值，則將對應事件標記為該領域類別，從而確定事件的標記和分類。本發明通過對社交媒體中文本數據進行突發短語篩選和聚類，自動確定突發事件，然后再計算突發事件在各個領域類別知識圖譜上的TF?IDF得分，實現對社交媒體事件的自動化精確標記與分類。

技術領域

本發明屬于事件標記與分類技術領域，更為具體地講，涉及一種基于知識圖譜的自動化事件標記與分類方法。

背景技術

近年來，隨著社交媒體的迅速發展，推特、微博等社交媒體逐漸成為人們獲取新聞信息的重要途徑。因此，越來越多的工作開始關注社交媒體信息并對其進行分析，其中一類比較重要的工作就是社交媒體數據的事件抽取工作，即根據社交媒體數據抽取出其所描述的事件。但是對于抽取出的事件(事件關鍵短語、摘要等)，難免會出現一些并不關注的事件，因此需要對抽取出的事件進行標記與分類(軍事、政治、地理等若干類別)，得到每個事件所屬的類別，從而過濾掉不關注類別的事件，篩選出感興趣的事件。但是如何根據描述事件的少量信息精確獲取其類別，以及如何解決某個事件可能同屬于多個類別的問題，暫未有較好的解決方式，都是需要進一步研究和解決的。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于知識圖譜的自動化事件標記與分類方法，實現對社交媒體事件的自動化精確標記與分類。

為實現上述發明目的，本發明基于知識圖譜的自動化事件標記與分類方法包括以下步驟：

S1：根據實際需要設置N個領域類別，分別收集每個領域類別的文本數據并構建知識圖譜G_n，n＝1,2…,N；

S2：預設時間窗口T，爬取該時間窗口內社交媒體中發布的各個文本數據，對每個文件數據進行關鍵短語提取，將所提取到的關鍵短語構成關鍵短語集合A。分別計算關鍵短語集合A中的每個關鍵短語s的突發程度W_s，計算公式如下：

W_s＝p_s×log(u_s)×log(r_s)×log(log(f_s))

其中，p_s表示時間窗口T內關鍵短語s的突發概率，u_s表示時間窗口T內使用過關鍵短語s的用戶數量，r_s表示時間窗口T內包含關鍵短語s的文本被轉發的次數，f_s表示時間窗口T內使用關鍵短語s的用戶的關注數目總和；

將所有關鍵短語按照突發程度從高到低進行排序，選擇前K個關鍵短語作為突發短語加入突發短語集合B；

S3：將時間窗口T平均劃分為M個連續不相交的子時間窗口，記第m個子時間窗口為T_m，對于每個突發短語e，e∈B，統計每個子時間窗口T_m內包含該突發短語e的文本集合text(e,m)和文本數量f₁(e,m)，以及整個時間窗口T內包含該突發短語e的文本數量f₂(e)，計算每個突發短語e在子時間窗口T_m所占比例d(e,m)＝f₁(e,m)/f₂(e)；