[发明专利]一种基于突破点的新闻话题时间线摘要生成方法

摘要

公开了一种自动、高效率地挖掘出目标新闻话题发展过程中的重要时刻及所发生的重大事件、从而极大地帮助了读者了解一个新闻话题的演变过程的基于突破点的新闻话题时间线摘要生成方法，包括以下步骤：(1)根据用户输入的话题关键词从相关新闻网站上下载用检索词搜索得到的所有新闻文章，然后对这些新闻文章进行预处理；(2)对目标话题在各个时间片段上的活跃度变化趋势建立话题活跃度隐马尔科夫模型，并删除目标话题不活跃的时间片段；(3)利用主题转换隐马尔科夫模型对各时间片段中的主题转换序列进行建模；(4)抽取出与当日发生的重大事件最相关的句子作为该突破点的摘要；(5)输出目标话题的时间线摘要。

主权项

一种基于突破点的新闻话题时间线摘要生成方法，其特征在于：包括以下步骤：(1)将用户输入的话题关键词作为检索词，利用爬虫从相关新闻网站上下载用检索词搜索得到的所有新闻文章，然后对这些新闻文章进行预处理，预处理包括：字母小写化，去除停用词、数字和标点符号，由此构建了目标话题的新闻语料库；(2)对目标话题在各个时间片段上的活跃度变化趋势建立话题活跃度隐马尔科夫模型，并删除目标话题不活跃的时间片段；(3)在目标话题活跃的各时间片段中，首先利用步骤(2)话题活跃度隐马尔科夫模型从对应的新闻语料中挖掘出各个主题，然后利用主题转换隐马尔科夫模型对各时间片段中的主题转换序列进行建模，并计算各个主题在每个时间点上的强度，最后通过分析各主题在时间线上的强度波动模式，挖掘出目标话题的突破点，突破点是一个具体的日期，即时间点；(4)对每个挖掘出的突破点，通过匹配主题关键词与新闻文章中句子的吻合程度，抽取出与当日发生的重大事件最相关的句子作为该突破点的摘要；(5)输出目标话题的时间线摘要，时间线指按时间先后顺序组织的多个突破点。