[发明专利]基于新闻的事件演化关系自动提取方法及其系统

说明书

本发明公开了一种基于新闻的演化关系自动提取方法，包括：新闻信息预处理、新闻导语提取、新闻事件时间提取、事件提取、事件关键词提取、事件演化关系分析；本发明还公开了一种新闻的演化关系自动提取系统，包括：新闻信息预处理模块、新闻导语提取模块、新闻事件时间提取模块、事件提取模块、事件关键词提取模块、演化关系分析。本发明可以使得提取出来的事件演化关系图更加合理、事件之间的关系更加清晰；具有解决了目前新闻演化分析领域的部分不足之处，使演化分析达到更好的效果，方便用户了解整个新闻话题的发展脉络等优点。

技术领域

本发明涉及一种数据挖掘技术，特别涉及一种基于新闻的事件演化关系自动提取方法及其系统。

背景技术

随着互联网的出现，信息技术迅猛发展，人类社会进入了信息爆炸时代。每一天，都有大量的网民通过各种媒介平台接收各类数据信息。截止至2011年12月，中国的网民数量高达5.13亿人，居世界首位。网民的主要行为包括：聊天、阅读、游戏、下载、视频。其中，阅读占据了较大的比例。特别是随着手机、平板电脑等移动平台的盛行，在线阅读信息的网民也越来越多。在如此浩瀚的信息世界中，新闻信息占据很大的一部分。在中国，互联网是新闻信息最快速的发布平台，具有高实时性的特点。互联网已经成为主要的新闻传播平台，具有社会舆论的放大器的功能。通过各个门户网站，例如网易、新浪、百度，用户能够及时获取关于某一个话题的各种相关报道。

新闻演化是一个新闻话题从出现、发展、高潮、平淡、到最后结束的生命历程。一个复杂的新闻话题往往包含多个子事件，而事件之间也存在着一些关系。通过这些事件之间的关系，可以得到一个新闻话题的事件演化关系图。例如在话题“汶川大地震”中，事件“汶川发生8.0级地震”导致了事件“汶川地震导致480万人无家可归”。而事件“汶川地震中有大量学生伤亡”也与事件“学校的建筑质量被质疑”有密切关系。

阅读者往往不止对一个单独的新闻事件感兴趣，还对与此新闻事件有关的其他事件感兴趣。也就是说，阅读者对整个话题的演变过程感兴趣，希望能从头到尾了解事情演变的全貌。但由于互联网信息的爆炸性、异构性、分布性等特点，关于某一个话题的新闻可能非常多。而且各种新闻信息非常分散，一个新闻事件的相关信息往往分布在几篇新闻中。例如近年来网络上的热点新闻：汶川地震、北京奥运会、三鹿奶粉，乃至2014年的“马航失联”事件无不是一段时间关注度最高的新闻话题。每一天，都与数以千计的相关新闻在门户网站、微博、微信等平台上更新。面对如此铺天盖地的新闻报道，用户很难一一去阅读。但如果单独阅读某一部分新闻，用户又可能错过某些关键信息。阅读者，很难全面了解新闻的发展历程以及后续结果，因为每一则新闻可能只是描述一个话题中的某一个小事件。如何才能够快捷地了解新闻事件的演化过程，直观地掌握信息之间的复杂关系，把握事件内容的发展趋势，是目前研究的一个热点问题。各种信息检索、分类、监测和提取技术都是围绕这个目的展开的。新闻演化分析就是其中一个方向。在信息爆炸的时代背景下，对新闻话题动态演化及其关键技术进行研究，从而为用户提供更便捷、更清晰地从头到尾了解新闻的发展全貌的阅读方式。

人类认知心理学相关研究表明，人类认识事物的过程总是按照一定逻辑顺序展开。当用户开始关注某个新闻话题时，他总是希望能够了解新闻事件的起因或缘由，以及相关的背景，进而深入了解事情的发展、高潮，直到整个新闻话题的终结。因此，自动化的新闻演化分析显得非常有必要。本发明从新闻话题出发，利用计算机技术挖掘新闻话题底层事件之间的演化关系，构建事件演化关系图，从而全面直观展示新闻之间的迁移关系，为读者提供一种话题演变式的新闻浏览方式，读者可以更方便快捷地从头到尾了解新闻的发展全貌。