面向話題的事件信息融合研究與實現(xiàn).pdf

1、事件信息抽取（Events Information Extraction：Events IE）目前是信息抽?。↖nformation Extraction：IE）中的一個重要領(lǐng)域。本文提出了一種跨文本事件信息融合方法，該方法在事件IE的基礎(chǔ)上引入了多源信息融合理論，并結(jié)合命名實體識別、指代消解等其它信息抽取技術(shù)，對多源、多文本同話題事件進(jìn)行信息融合。本文的主要內(nèi)容包括元事件融合和話題事件融合兩部分，具體內(nèi)容如下：
　　 1.在元

2、事件融合中，考慮到自然語言表述的多樣性，對事件描述中的事件元素進(jìn)行規(guī)格化處理，并針對事件元素中的時間信息、命名實體和數(shù)字信息的不同表述特點，采用不同的規(guī)格化方法；
　　 2.在共指元事件聚類過程中，由于事件描述中常出現(xiàn)事件元素的缺失，為了提高共指元事件聚類的召回率，提出了關(guān)鍵元素集合的概念。并針對事件信息的特點，利用事件中的語義和語用信息提出一種適用于事件信息的相似度算法；
　　 3.在事件元素融合時，在元素的基本可信度

3、上，針對各類事件元素的不同表述特點，根據(jù)元素的精度和準(zhǔn)度不同調(diào)整元素的可信度，提高精度高的元素值被選中的概率。在元素選擇時，在可信度計算的基礎(chǔ)上，采用了投票策略，增加了最后結(jié)果的可信度；
　　 4.在話題事件融合中，為了能更好地表示話題型事件，本文定義了一種基于元事件的話題事件表示模型（Event-based Topic Description Model：ETDM）。該模型可有效地將話題事件進(jìn)行結(jié)構(gòu)化和層次化表示，接近人類的認(rèn)