-
题名基于事件框架的主题事件融合研究
被引量：6
- 1
-
-
作者
许荣华
吴刚
李培峰
朱巧明
-
机构
苏州大学计算机科学与技术学院
苏州大学江苏省计算机信息处理技术重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2009年第12期4542-4545,共4页
-
基金
国家自然科学基金资助项目(60673041
60873150)
+1 种基金
江苏省自然科学基金资助项目(BK2008160)
江苏省高校自然科学重大基础研究项目(08KJA520002)
-
文摘
针对事件抽取获得的单个元事件无法完整描述主题事件的特点,提出了一种主题事件的融合方法,通过该方法将与同一主题相关的所有元事件整合在一起,以层次化的形式表示。首先定义了一种事件融合框架TEFF(topic event fusion framework)。该框架根据各类元事件在主题事件中的作用,将主题事件以层次化的形式表示。同时给出元事件和主题的相关度计算方法,通过该算法来评价元事件和主题的相关度。在TEFF的指导下,通过相关度计算,实现主题事件的融合。在以2008年起的金融危机为主题的实验中,取得了F值为77.1%的实验结果,这表明该方法能有效地对主题事件进行融合。
-
关键词
事件框架
主题事件融合
事件信息抽取
-
Keywords
event framework
topic event fusion
event information extraction
-
分类号
TP391.12
[自动化与计算机技术—计算机应用技术]
-
-
题名融合语义与事件特征的重大事件趋势预测
被引量：5
- 2
-
-
作者
彭博远
彭冬亮
谷雨
彭俊利
-
机构
杭州电子科技大学自动化学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第17期173-180,共8页
-
基金
国家自然科学基金(No.61673146)。
-
文摘
针对当前基于海量公开新闻数据的重大事件趋势预测研究在特征选择上的局限性问题,结合人工智能相关技术对现有方法进行优化改进,提出一种融合语义与事件特征的重大事件趋势预测方法。利用网络爬虫技术辅助数据采集;利用主题模型与事件抽取技术辅助海量新闻数据的特征集构建与向量表示,并针对LDA主题模型在特征词提取上存在偏向性的问题,提出一种改进模型IDFLDA;利用机器学习分类模型进行预测结果输出。以朝鲜核行为预测为例对提出方法进行验证,预测结果表明,该方法的预测性能优于依赖专家知识进行特征集构建的传统方法,能有效进行重大事件的趋势预测,为战略决策提供辅助支持。
-
关键词
重大事件
趋势预测
主题模型
事件抽取
特征融合
-
Keywords
mega-event
trend prediction
topic model
event extraction
feature fusion
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
