[发明专利]一种基于文本信息的事件生成方法以及相关装置

说明书

本发明实施例公开了一种基于文本信息的事件生成方法，包括：获取待处理文本信息集合，待处理文本信息集合包含N个待处理文本信息；对待处理文本信息集合中的每个待处理文本信息进行分组处理，得到M个文本小组，每个文本小组中的待处理文本信息对应于相同的词语类别；对目标文本小组进行分簇处理，得到文本结果簇，其中，目标文本小组为M个文本小组中的任意一个文本小组，每个文本结果簇包含至少一个的关键词；根据文本结果簇生成对应的第一事件。本发明实施例中还提供了一种事件生成装置。本发明实施例一方面节省了处理资源和计算资源，提升事件挖掘效率，另一方面，对分组后的待处理文本信息进行聚类，可以有效地增强事件生成的准确度。

技术领域

本发明涉及计算机处理领域，尤其涉及一种基于文本信息的事件生成方法以及相关装置。

背景技术

随着互联网技术的迅猛发展和计算机的普及，用户越来越容易在网站上获得大量正在发生的事件新闻。大量新闻媒体将新闻放到网站，这对用户能否快速掌握主要事件成为一个挑战。因此，新闻事件的挖掘是一个非常有意义的研究课题。

基于新闻流的事件挖掘是指从海量的实时新闻数据中挖掘出蕴含其中的事件，并对挖掘的事件构建一个完备的事件库。目前，已构建了一种事件挖掘系统，首先对每条文本信息进行词性标注和命名实体识别，然后从文本信息中抽取事件时间及事件短语，再依据事件短语对事件进行分类，最后依据事件实体和事件时间的共现信息生成事件。

然而，由于每天更新的新闻量非常大，往往有几十万条，采用上述介绍的事件挖掘系统对每条新闻的文本信息进行处理，需要耗费相当多的处理资源和计算资源，导致事件挖掘时延较高。

发明内容

本发明实施例提供了一种基于文本信息的事件生成方法以及相关装置，一方面节省了处理资源和计算资源，提升事件挖掘效率，另一方面，对分组后的待处理文本信息进行聚类，可以有效地增强事件生成的准确度。

有鉴于此，本发明的第一方面提供了一种基于文本信息的事件生成方法，包括：

获取待处理文本信息集合，其中，所述待处理文本信息集合包含N个待处理文本信息，所述N为大于或等于1的整数；

对所述待处理文本信息集合中的每个待处理文本信息进行分组处理，得到M个文本小组，其中，每个文本小组中的待处理文本信息对应于相同的词语类别，所述M为大于或等于1的整数；

对目标文本小组进行分簇处理，得到文本结果簇，其中，所述目标文本小组为所述M个文本小组中的任意一个文本小组，每个文本结果簇包含至少一个的关键词；

根据所述文本结果簇生成对应的第一事件。

本发明的第二方面提供了一种事件生成装置，包括：

获取模块，用于获取待处理文本信息集合，其中，所述待处理文本信息集合包含N个待处理文本信息，所述N为大于或等于1的整数；

处理模块，用于对所述获取模块获取的所述待处理文本信息集合中的每个待处理文本信息进行分组处理，得到M个文本小组，其中，每个文本小组中的待处理文本信息对应于相同的词语类别，所述M为大于或等于1的整数；

所述处理模块，还用于对目标文本小组进行分簇处理，得到文本结果簇，其中，所述目标文本小组为所述M个文本小组中的任意一个文本小组，每个文本结果簇包含至少一个的关键词；

生成模块，用于根据所述处理模块处理得到的所述文本结果簇生成对应的第一事件。

本发明的第三方面提供了一种事件生成装置，包括：存储器、收发器、处理器以及总线系统；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，包括如下步骤：