[发明专利]一种新闻事件的动态跟踪和总结算法

摘要

本发明公开了一种新闻事件的动态跟踪和总结算法，其特征是按如下步骤进行步骤1、输入与新闻事件相关的查询语句进行检索，获取新闻文档及对应的发布时间；步骤2、构建词共现图；步骤3、采用社区发现算法从词共现图中提取与新闻事件相关的多个主题；步骤4、选取主题集合中每个主题相对应的句子组序列及对应的发生时间标签；步骤5、对主题集合中的每个主题按照发生时间，从所对应的句子组序列中获得与各自主题相对应的摘要集合，从而生成与各自主题相对应的总结。本发明在能够充分利用所查到的新闻文档中保留多个新闻主题，并对各个主题进行动态跟踪和总结，从而能让用户更全面性和针对性的了解所关心的新闻摘要。

主权项

一种新闻事件的动态跟踪和总结算法，其特征是按如下步骤进行：步骤1、在搜索引擎上，输入与新闻事件相关的查询语句进行检索，并返回若干个新闻文档，利用爬虫工具从所述若干个新闻文档中爬取排序为前U个新闻文档及对应的发布时间，分别构成初始返回新闻列表X＝{x1,x2,…,xi,…,xU}及对应的发布时间序列T＝{t1,t2,…,ti,…,tU}，xi表示在所述初始返回新闻列表X中第i个新闻文档，ti表示在所述发布时间序列T中与第i个新闻文档xi所对应的发布时间；1≤i≤U；步骤2、构建词共现图；步骤2.1、利用分词工具对初始返回新闻列表X中的新闻文档进行分词和词性标注，并选取名词词性的词语构成词语集合W＝{w1,w2,…,wr,…,wR}，wr表示在所述词语集合W中第r个名词词性的词语，1≤r≤R；利用式(1)获得任一词语wr的文档频率DFr，从而获得文档频率集合DF＝{DF1,DF2,…,DFr,…,DFR}；DFr=Σi=1U1{wr∈xi}---(1)]]>式(1)中，若第r个名词词性的词语wr属于新闻文档xi，则1{wr∈xi}＝1，否则为0；步骤2.2、将所述词语集合W中的每个词语分别作为节点并对所述返回新闻列表X进行扫描，若在所述词语集合W中存在任意两个节点wα和wβ同时出现在一个新闻文档中，则连接节点wα和wβ获得邻边eα,β，令所述邻边eα,β的权重为初始化权重所述权重的值为所述节点wα和wβ在所述初始返回新闻列表X中不同新闻文档中出现的次数；步骤2.3、删除文档频率DFr小于阈值node_min_df的节点以及权重小于阈值edge_min_df的邻边；步骤2.4、利用式(2)和式(3)分别获得邻边eα,β的条件随机概率p(kα|kβ)和p(kβ|kα)：p(kα|kβ)=DFeα,βDFβ---(2)]]>p(kβ|kα)=DFeα,βDFα---(3)]]>式(2)中，条件随机概率p(kα|kβ)表示在节点wβ出现在任意新闻文档中时，节点wα同时出现的条件概率；条件随机概率p(kβ|kα)表示在节点wα出现在任意新闻文档中时，节点wβ同时出现的条件概率；若所述条件随机概率p(kα|kβ)和p(kβ|kα)均小于阈值edge_min_prob，则删除所述邻边eα,β；从而构建词共现图；步骤3、采用社区发现算法从所述词共现图中提取与新闻事件相关的多个主题形成主体集合Q；步骤4、从所述初始返回新闻列表X及对应的发布时间序列T中选取所述主题集合Q中每个主题相对应的句子组序列及对应的发生时间标签；步骤5、对所述主题集合Q中的每个主题进行处理，按照发生时间，从所对应的句子组序列中获得与各自主题相对应的摘要集合，从而生成与各自主题相对应的总结。