基于命名实体敏感的分层新闻故事线生成方法

社会网络中海量、无序且碎片化的新闻数据,使得人们无法从细粒度感知新闻事件,更无法多视角把握事件发展脉络。为了解决这个问题,该文提出基于命名实体敏感的分层新闻故事线生成方法,在无监督的情况下,充分利用新闻信息构造层次化、多视点的事件脉络。该方法主要通过以下3个步骤实现:(1)基于事件主题信息与隐式语义信息相结合的方法检测事件;(2)基于多维语义信息的社区检测算法划分主题事件的子事件;(3)基于多视点信息构造事件发展的脉络。在真实数据集上的实验结果表明,该方法在三个步骤比基线方法均有提高,其中在构造事件发展脉络阶段,该方法在理解性、概括性和准确性指标上分别高出0.44、0.11和0.50。     

基于复合语义特征的事件图谱构建技术研究进展

世界是由无数相互关联的事件组成的，人们的社会活动也往往是由不同的事件来触发和驱动的。针对事件与事件之间关系的演化规律进行研究，不仅有助于人们认识和了解社会事件的演化规律与模式，同时也为基于人工智能的机器推理与思考提供了重要的决策支撑，并且已成为目前人们关注的研究前沿和新焦点。与传统的知识图谱不同，事件图谱是以现实世界中的抽象事件为节点，以不同事件之间的状态变化或动作序列等形成的逻辑关系来构建复合语义特征的知识网络，并在更高层语义条件下，通过抽象复杂的事件与事件间隐含的逻辑关系，刻画出事物发展演化的行为规律。在事件图谱构建方法的基础上，围绕开放域事件抽取、建立通用的事件标准、事件间关系抽取、事件图谱的融合与加工，以及事件图谱的表示学习等关键技术问题展开深入分析，并对目前相关领域中存在的核心技术、常见的评测数据集以及相关指标进行综述与总结，并对未来发展的新方向进行了展望。