检索结果-南通市图书馆

检索条件"主题词=突发事件抽取"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向微博的突发事件抽取方法研究

面向微博的突发事件抽取方法研究

引用

作者：孙小川中国人民公安大学

学位级别：硕士

突然事件的发生不仅会扰乱社会秩序,而且损坏人民群众生命财产,对社会造成严重危害的同时对公安维护社会稳定工作和保护人民财产安全提出了严峻考验。伴随社交媒体快速发展,互联网上突发事件信息数量也剧增。如何准确地从大量无结构事... 详细信息

突然事件的发生不仅会扰乱社会秩序,而且损坏人民群众生命财产,对社会造成严重危害的同时对公安维护社会稳定工作和保护人民财产安全提出了严峻考验。伴随社交媒体快速发展,互联网上突发事件信息数量也剧增。如何准确地从大量无结构事件信息中识别并抽取出突发事件信息,分析突发事件舆情趋势,历来受到公安部门重视。本文调研了国内外研究现状,深入分析了现有的突发事件抽取方法,针对微博文本中突发事件抽取和要素抽取与事件类型分类预测两个主要方面展开研究,并提出多分类突发事件抽取模型和数据加权优化事件类型分类方法,对于抽取突发事件信息,减少基层民警工作量具有积极辅助作用。全文主要研究工作如下:首先,文中结合现有突发事件抽取现状提出一种新的突发事件抽取模型,并据此抽取突发事件相关信息。现有突发事件抽取模型较多采用级联方式,弊端是事件信息利用不足,容易产生级联误差,同时语法、句法分析受限于未登录词和专家经验等导致抽取结果并不理想。文中通过对文本中词性特征、语义关系等进行挖掘,并结合谷歌公司新提出的词向量训练模型——BERT模型,采用多层长短期记忆网络LSTM结构抽取候选事件句特征,生成候选短语向量并通过多分类方式取代二分类方式对短语向量进行计算打分,按照词语得分确定事件触发词实现事件抽取,并在中文突发事件语料库上多次实验和微博数据集上测试表明该模型具有一定的有效性。其次,文中采用基于密度聚类方法对识别出的事件内容进行要素抽取并对突发事件类型进行分类预测。为保证抽取效率,通过基于规则匹配的方法抽取相关事件要素,而后进行数据清洗,对缺省事件要素进行填充补齐,形成突发事件数据集,对其进行数理统计分析与过滤,筛出无用数据和离群值,保证数据有效性,通过对数据进行归一化后降维处理生成特征数据,并对其加权优化处理后进行聚类分析,封装入机器学习算法模型,从而实现突发事件类型分类预测,并在微博数据集上进行多次实验证明该分类模型具有良好的效果。最后,对于突发事件抽取、要素抽取和事件分类预测进行对比分析和总结。实验分别在中文突发事件语料库和微博数据集上进行实验测试、对比分析和归纳总结,文中所提出和采用的方法在实验结果中均表现出较好效果,证明了文中实验方法具有有效性。

关键词：微博突发事件抽取事件分类预测机器学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语义特征融合的突发事件抽取研究

基于语义特征融合的突发事件抽取研究

引用

作者：陈彦杰安徽理工大学

学位级别：硕士

在大数据时代背景下,井喷式增长的网络信息在加快信息交互效率的同时,也增加了智能化分析数据的难度。如何迅速准确地从大量文本语料中获取突发事件信息对于突发事件的发布、预警以及为应急策略定制工作提供信息依据具有重要意义。目前... 详细信息

在大数据时代背景下,井喷式增长的网络信息在加快信息交互效率的同时,也增加了智能化分析数据的难度。如何迅速准确地从大量文本语料中获取突发事件信息对于突发事件的发布、预警以及为应急策略定制工作提供信息依据具有重要意义。目前突发事件抽取方法经常存在两个问题:一是在事件触发词抽取中,触发词在不同语境下表达的含义不一致,具有歧义性,容易误导触发词的事件类型判别;二是在事件要素抽取中,没有考虑要素之间深层的语义关系。本文深入分析了现有的突发事件抽取方法,针对事件触发词和事件要素抽取两个主要方面,提出基于语义特征融合的突发事件抽取方法,具体研究内容如下:(1)基于语义和语境特征融合的突发事件触发词抽取模型。该模型首先使用BERT预训练语言模型对预处理后的词序列进行表示,得到动态的语境词向量,再与Word2vec模型表示的静态词向量融合,构建联合向量,解决触发词歧义性问题;然后采用BiGRU网络抽取文本的前向和后向语义信息,获取上下文语义特征;接着引入图注意力网络进行语义信息提炼,去除冗余语义特征,从不同语义空间中抽取语义特征;最后采用CRF分类器对加权融合后的特征进行结果标注,完成突发事件触发词抽取。实验最终取得了74.72%的F1值,达到了较好的抽取效果。(2)基于语义和依存特征融合的突发事件要素抽取模型。该模型首先抽取出BERT词向量、词性标注、命名实体和BiGRU上下文语义四种特征,并融合成多特征向量,以丰富事件要素语义特征;然后构建突发事件的依存句法树,采用图注意力网络关注对事件要素抽取更重要的依存句法信息,获得句子中事件要素之间的依存关系;接着提出门控机制,通过加权实现上下文语义特征与图注意力网络的隐藏表示的动态融合,以保留有效特征;最后采用CRF联合解码的方式进行分类操作,完成突发事件要素抽取。实验取得了72.95%的F1值,结果表明该模型在突发事件要素抽取上取得了较好的效果。图[16]表[8]参[67]

关键词：突发事件抽取语义特征融合 BERT词向量 BiGRU网络图注意力网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：