[发明专利]一种提取新闻事件发生时间的方法

摘要

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。 1

主权项

1.一种提取新闻事件发生时间的方法，其特征在于，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。

2.如权利要求1所述的一种提取新闻事件发生时间的方法，其特征在于，所述的与所述新闻报道文章的标题进行计算的步骤主要用来判断该词语的重要性程度，词语‑新闻标题的相关度用词语w与所述新闻报道文章的标题title中的词的重合个数表示。其中，词语集合W中第i个词语为w_i，根据词语w_i和第m篇新闻报道文章d_m的新闻标题的相关度，获得相应的附加分数其公示表达为：根据词语和新闻标题的匹配结果，给予词语附加相应的分数，比如说词语w_i和新闻标题中有1个词语相关，则词语w_i附加分数等于1，词语w_i和新闻标题中有2个词语相关，则词语w_i附加分数等于2，以此类推。

3.如权利要求1所述的一种提取新闻事件发生时间的方法，其特征在于，所述的获取所述新闻报道文章中的词语进行计算的步骤主要需考虑词语在文章中出现的位置来判断词语的重要性，则设第m篇新闻报道文章d_m的新闻标题中，n为d_m中包含词语的总数，根据词语w_i出现在d_m的文章位置，获得相应的附加分数的数学表达式如下所示：

其中，s表示新闻报道文档的句子，s_j表示该新闻报道的第j句话，比如，当设置阈值j≤3时，则表示新闻报道前三句为重要内容分布区域，w_i出现在该区域之内，可以获得相应的附加分数。

4.如权利要求1所述的一种提取新闻事件发生时间的方法，其特征在于，所述对所述新闻报道文章中的词语通过识别处理，包括：

如果词语w_i属于命名实体集合NE，则可以获得一个相应的附加分数值，为文档d_m中的词语w_i关于命名实体识别所获得的的附加分数。文档集合D中第m篇新闻报道文档d_m，假设文档d_m中每个词语w_i的特征相互独立，某个主题z在词语集合中的第i个词语设为z_i；其中，p为关键词出现的概率，每个词语对应该篇新闻报道所得的分数SS_mi是各个特征分量的线性组合，如下式所示：

其中，r∈{title，loc，ner}，系数α和各特征分量的权重ω_j在数据集上的寻求最优组合；p是概率，对词语根据分数SS_mi从高到低排序，选取分数排序前n个词语组成关键词集Q，作为所述新闻报道文章中的关键词。