基于要素提取关联词对的中文报道关系检测

doi:10.3724/SP.J.1087.2013.00182

计算机应用 ›› 2013, Vol. 33 ›› Issue (01): 182-185.DOI: 10.3724/SP.J.1087.2013.00182

基于要素提取关联词对的中文报道关系检测

陈智敏,蒙祖强,林啟锋

广西大学计算机与电子信息学院，南宁 530004

收稿日期:2012-07-23 修回日期:2012-08-23 发布日期:2013-01-09 出版日期:2013-01-01
通讯作者: 陈智敏
作者简介:陈智敏(1988-)，女，广西北海人，硕士研究生，主要研究方向：数据挖掘、智能系统与智能CAD；蒙祖强(1974-)，男(壮族)，广西罗城人，教授，博士，主要研究方法：人工智能、数据挖掘；林啟锋(1987-)，男，福建三明人，硕士研究生，主要研究方向：数据挖掘。
基金资助:
国家自然科学基金资助项目(61063032);广西自然科学基金资助项目(2012GXNSFAA053225)

Chinese story link detection based on extraction of elements correlative word

CHEN Zhimin,MENG Zuqiang,LIN Qifeng

College of Computer, Electronics and Information, Guangxi University, Nanning Guangxi 530004, China

Received:2012-07-23 Revised:2012-08-23 Online:2013-01-09 Published:2013-01-01
Contact: CHEN Zhimin

摘要/Abstract

摘要： 针对现有中文报道关系检测的检测代价即误报率和丢失率较高的问题，在多向量空间模型基础上提取不同向量的要素(时间、地点、人物和内容)特征词组成关联词对，使用支持向量机(SVM)方法整合关联词对相似度和余弦相似度，从而提出了一种提取要素关联词对报道关系检测方法。所提方法补充表示了报道内容，为检测提供了更多的比较依据，识别代价降低了将近11%。实验结果验证了算法的有效性。

关键词: 报道关系识别检测, 关联词对, 报道要素, 多向量空间模型

Abstract: At present, the cost of Chinese story link detection is high，since the miss rate and false rate are high. Concerning this problem, based on multi-vector space model, the paper joined elements (time, site, people, content) correlative word to represent the relevance of the different elements, integrated coherence similarity and cosine similarity with Support Vector Machine (SVM), and then proposed an algorithm which was based on the extraction of elements correlative word. The proposed algorithm complementally expressed the story and provided more evidence for detection; the detection cost was decreased by nearly 11%. Finally, the experimental results show the validity of the proposed algorithm.

Key words: story link detection, correlative word, story elements, multi-vector space model

中图分类号:

陈智敏蒙祖强林啟锋. 基于要素提取关联词对的中文报道关系检测[J]. 计算机应用, 2013, 33(01): 182-185.

CHEN Zhimin MENG Zuqiang LIN Qifeng. Chinese story link detection based on extraction of elements correlative word[J]. Journal of Computer Applications, 2013, 33(01): 182-185.

参考文献

［1］李保利,俞文汶.话题识别与跟踪研究［J］.计算机工程与应用,2003,39(17):7-10.

［2］张晓艳,王挺.话题关联识别中报道信息的动态扩充研究［J］.计算机科学,2009,36(11):200-203.

［3］柳培林.基于向量空间模型的中文文本分类技术研究［D］.大庆:大庆石油学院,2006

［4］KUMARAN G, ALLAN J. Text classification and named entities for new event detection ［C］// Proceedings of the 27th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: ACM Press, 2004: 297-304.

［5］LEE C, LEE G G, JANG M. Dependency structure language model for topic detection and tracking ［J］. Information Processing and Management, 2007, 43(5): 1249-1259.

［6］宋丹,王卫东,陈英.基于改进向量空间模型的话题识别与跟踪［J］.计算机技术与发展,2006,16(9):62-64.

［7］张晓艳,王挺,陈火旺.基于多向量和实体模糊匹配的话题关联识别［J］.中文信息学报,2008,22(1):9-14.

［8］王强,张永奎.基于SVM的中文报道关系识别方法研究［J］.计算机工程与应用,2008,44(33):141-143.

［9］赵华,邓攀,张建伟.基于关联词对动态抽取的报道关系检测技术研究［J］.计算机科学,2010,37(6):237-239.

［10］van der WALT C, BARNARD E. Data characteristics that determine classifier performance ［J］. SAIEE Africa Research Journal, 2007, 98(3): 87-93.

［11］GARCIA E. Description advantages and limitations of the classic vector space model ［EB/OL］. ［2012-03-25］. http://www.miislita.com/term-vector/term-vector-3.html.

［12］LARKEY L S, FENG F F, CONNELL M, et al. Language-specific models in multilingual topic tracking ［C］// Proceedings of the 27th Annual International Conference on Research and Development in Information Retrieval. New York: ACM Press, 2004: 402-409.

［13］许珂,蒙祖强,林啓峰.基于语义关联和信息增益的TFIDF改进算法研究［J］.计算机应用研究,2012,29(2):557-560.

［14］CHEN F, FARAHAT A, BRANTS T. Multiple similarity measures and source-pair information in story link detection ［C］// Proceedings of the Human Language Technology Conference of the North American Chapter of the Association for Computational Linguistics. Boston: Association for Computational Linguistics, 2004: 313-320.

［15］洪宇.基于语义结构和时序特征的话题检测与跟踪技术研究［D］.哈尔滨:哈尔滨工业大学,2009.

[1]	邱云飞林明明邵良杉. 基于三维坐标的消费情绪本体库建立及应用[J]. 计算机应用, 2013, 33(09): 2540-2545.
[2]	方雯刘秉瀚. 反馈调节机制的暗通道去雾算法[J]. 计算机应用, 2013, 33(07): 1998-2001.
[3]	周慧娟向荣. 基于MicroWindows的多设备支持智能中文输入系统[J]. 计算机应用, 2013, 33(07): 2067-2070.
[4]	杨立公朱俭汤世平. 文本情感分析综述[J]. 计算机应用, 2013, 33(06): 1574-1607.
[5]	王静何婷婷衣马木艾山·阿布都力克木. 协同过滤在中文维基百科类别推荐上的应用[J]. 计算机应用, 2013, 33(03): 838-840.
[6]	冯勇李军平徐红艳党晓婉. 基于社会网络分析的协同推荐方法改进[J]. 计算机应用, 2013, 33(03): 841-844.
[7]	修驰宋柔. 基于无监督学习的专业领域分词歧义消解方法[J]. 计算机应用, 2013, 33(03): 780-783.
[8]	贺春林谢琪. 基于协同过滤的个性化Web服务选择方法[J]. 计算机应用, 2013, 33(01): 239-242.
[9]	常晓龙张晖. 融合语素特征的中文褒贬词典构建[J]. 计算机应用, 2012, 32(07): 2033-2037.
[10]	王希杰. 词位标注汉语分词中上下文有效范围定量分析[J]. 计算机应用, 2012, 32(05): 1340-1342.
[11]	李明涛罗军勇尹美娟路林. 结合词义的文本特征词权重计算方法[J]. 计算机应用, 2012, 32(05): 1355-1358.
[12]	张玉芳徐安龙. 改进的基因术语间语义相似度计算方法[J]. 计算机应用, 2012, 32(05): 1329-1331.
[13]	王建江邱涤珊彭黎. 基于排队网络的空间信息数据处理系统效能评估[J]. 计算机应用, 2012, 32(03): 870-873.
[14]	赵旭黄永忠安留洋. 基于属性权重和粗糙集的网格服务发现算法[J]. 计算机应用, 2012, 32(01): 167-169.
[15]	何凤英. 基于语义理解的中文博文倾向性分析[J]. 计算机应用, 2011, 31(08): 2130-2133.

基于要素提取关联词对的中文报道关系检测

Chinese story link detection based on extraction of elements correlative word

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics