[发明专利]一种基于要素信息抽取的气象灾害事件聚合方法

权利要求书

1.一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，所述方法包括以下步骤：

步骤1：通过分析气象灾害事件信息在自然语言与气象灾害事件信息系统中表达机制差异，归纳总结气象灾害信息的语言描述特点，构建面向中文文本的气象灾害信息表达体系，并制定具体的标注模式和规范，建立大规模的中文文本标注实验数据，以供机器学习进行灾害事件信息中相关信息抽取的训练；

步骤2：参考气象灾害信息的发布特点，选取所需信息源进行访问，拟采用基于链接结构评价的搜索策略和基于网页内容评价的搜索策略两种方式的气象灾害事件信息资源网页获取策略以获取灾害舆情信息的新闻文本数据；

步骤3：利用舆情信息中灾害事件标注语料完成训练的机器学习和深度学习信息抽取模型，结合构建的气象灾害事件的特征词汇库，进行舆情信息中的数据抽取，包括时间、地名、人物、事物和气象灾害事件信息的抽取；

步骤4：将文本信息作为主要载体，以抽取的时间、地名、事物、人物和事件信息作为基础，根据构建的气象灾害特征词库以及抽取信息中的灾害时间范围、灾害地点、受灾详情以及事物关键词和灾情信息阈值等数据，结合事件聚合流程和判断逻辑，将同一气象灾害事件的信息进行聚合，得到同一事件聚合结果。

2.根据权利要求1所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，步骤1中所述构建面向中文文本的气象灾害信息表达体系和标注规范，将从气象灾害信息词汇、句法和语义结构三个层次进行体系构建，并制定基于XML schema的气象灾害事件信息标注操作规范。

3.根据权利要求1所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，步骤1中所述建立大规模的中文文本标注实验数据，将以GATE(General Architecturefor Text Engineering)为标注平台，进行大规模数据标注，以用于机器学习训练。

4.根据权利要求1所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，步骤2中所述采用基于链接结构评价的搜索策略和基于网页内容评价的搜索策略两种方式，首先利用基于链接结构评价的搜索策略扩大搜索宽度，然后通过对网页内容与检索模板中的内容进行相似度计算，最终根据计算结果确定是否保留该网页。

5.根据权利要求1所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，步骤3中所述利用机器学习模型对灾害信息中的时间信息进行抽取，主要利用条件随机场(Conditional Random Fields，CRF)模型进行实现。

6.根据权利要求5所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，利用CRF对灾害信息中时间信息进行抽取，实现步骤如下：1)解析标注语料格式，获取时间短语起始位置，将其转化为条件随机场模型训练所需要的格式，即BIES序列标注，2)经过上述步骤得到CRF训练所需样本格式，设计特征模板，使用CRF++工具训练，生成CRF模型，3)将所得模型集成到Java项目中，通过自定义的规则得到完整的时间信息，从识别的BIES序列标注结果中提取出识别的时间信息。

7.根据权利要求1所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，步骤3中所述利用机器学习模型对灾害信息中的事件信息进行抽取，根据事件语句描述特点将事件信息抽取分为三个层次：信息描述较为丰富的句子、事件信息描述较为稀疏的句子和对于事件信息描述较为稀疏的段落。

8.根据权利要求8所述的一种基于要素信息抽取的气象灾害事件聚合方法，其特征在于，机器学习模型在事件信息抽取选择文本范围时，对于信息描述较为丰富的句子，以句子为单位的事件类型判断；对于事件信息描述较为稀疏的句子，则将文本单位扩展至段落范围；对于事件信息描述较为稀疏的段落，则将文本单位扩展至篇章范围。