[发明专利]一种提取新闻事件发生时间的方法

说明书

本发明实施例公开了一种提取新闻事件发生时间的方法，其中，该方法包括：获取新闻报道文章，进行提取所述新闻报道文章中每一个词语，与新闻报道文章的标题进行计算，获得两者之间的相关度；获取所述新闻报道文章中的词语，进行计算，获取词语分布的位置；对所述新闻报道文章中的词语通过识别处理，获取所述新闻报道文章中的关键词；根据所述新闻报道文章中的关键词组织概括整篇新闻报道文章的主要内容，利用搜索引擎来获取所述新闻报道文章的发生时间节点。实施本发明实施例，得以使提取新闻事件发生时间更加智能化、准确率得以提高；操作更加简便，并且大大降低了工作成本。

技术领域

本发明涉及信息检索、文本挖掘、自然语言处理、人工智能技术领域，尤其涉及一种提取新闻事件发生时间的方法。

背景技术

随着互联网技术的飞速发展，信息和资讯在数据应用领域中给人们的生活带来诸多便捷，信息数据呈爆炸性增长的情况下，帮助用户在海量的数据中快速浏览想要获取的信息极为重要。新闻就是消息，反映了每时每刻发生的事件，每个新闻事件都有时间属性，实时性是新闻的最大的特点之一。根据新闻的表达特点，新闻发生时间是新闻事件不可或缺的一部分，如何从新闻事件中抽取相关的时间信息，称为至关重要的问题。

时间信息抽取属于信息抽取的研究领域，经过长时间的研究和发展，对此问题的解决取得了一定的发展：在时间信息表达方面展开了研究的；在时间戳方面取得系列成果的；在时间—事件关系方面进行了研究的。然而，关于新闻事件的时间信息提取，目前仅有的研究大多集中在新闻报道时间和新闻发布时间，如何精确地提取新闻事件的发生时间，国内外的研究还比较少。

现有技术中，有采用间戳方法来分析新闻的技术，该技术通过新闻报道中的时间戳来分析和推导新闻事件的发生时间，该技术方法实现起来主要有以下两个方面的缺陷：第一，操作复杂，该方法中时间用词需要制定特定的规则或模板才能映射到日历日期中，并且对每个时间信息做基于向下覆盖抽取，工作量大，不易于操作；第二，对于一篇新闻报道，多数情况下无法找到相关的时间戳信息，或者找到大量多余的时间戳信息，所以难以有效实现新闻事件发生时间的抽取。

或者是基于URL时间格式和新闻标题直接提取时间信息，这种方法过于简单，单纯通过新闻标题获取信息，往往会导致误码率高；构建和连接URL时间格式库，工作成本增加，不仅成本更高，而且难以准确地提取出新闻事件真正的发生时间。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种提取新闻事件发生时间的方法，准确有效地获取海量新闻消息的发生时间，并且克服现有方法在准确度和延展性等方面的不足。

为了解决上述问题，本发明提出了一种提取新闻事件发生时间的方法，所述方法包括：

获取新闻报道文章，进行提取所述新闻报道文章中每一个词语，与新闻报道文章的标题进行计算，获得两者之间的相关度；

获取所述新闻报道文章中的词语，进行计算，获取词语分布的位置；

对所述新闻报道文章中的词语通过识别处理，获取所述新闻报道文章中的关键词；

根据所述新闻报道文章中的关键词组织概括整篇新闻报道文章的主要内容，利用搜索引擎来获取所述新闻报道文章的发生时间节点。