[发明专利]一种基于事件分析的Web新闻检索方法

摘要

本发明是一种基于事件分析的Web新闻检索方法，其步骤如下：设置事件项Qe和约束项Qc两类输入框，得到查询项Q＝{Qe，Qc}；选取Web新闻di的标题(T)、首段(FP)和末段(LP)三个部分表示di，di＝{T，FP，LP}；计算di＝{T，FP，LP}中各个部分特征项的权重；设置查询项Q中特征项的权重为1；计算查询项Q和新闻di的相关度为R(Q，di)，依据相关度R(Q，di)的大小降序排列输出检索结果。该方法区分了查询内容中不同项的作用，结合事件的动作要素、web新闻标题的重要性及事件项与约束项之间的距离，提出了事件查询项与Web新闻相关度的计算方法，能显著地提高事件类Web新闻检索的准确率。

主权项

一种基于事件分析的Web新闻检索方法，其特征在于，具体步骤如下：A.在查询框中输入事件项Qe和约束项Qc两部分，得到查询项Q＝{Qe，Qc}；B.选取一篇Web新闻di的标题T、首段FP和末段LP三个部分表示di，di＝{T，FP，LP}，其具体步骤如下：B1.提取Web新闻HTML源码中的两标签的中间部分作为di的标题T；B2.提取Web新闻正文部分的第一段作为di的首段FP；B3.提取Web新闻正文部分的最后一段作为di的末段LP，得到Web新闻的三个部分di＝{T，FP，LP}；C.计算di＝{T，FP，LP}中各个部分特征项的权重，其具体步骤如下：C1.假设事件项Qe＝{a2}，a2表示事件的动作要素，约束项Qc＝{t，l，o，a1}，t，l，o，a1分别表示事件的时间、地点、对象及动作要素，它们在新闻di的T，FP，LP各个部分出现的次数记为一个矩阵，TF(a1，T)表示a1在T中出现的次数，其他类推，得到结果为： TF ( a 1 , T ) TF ( a 1 , FP ) TF ( a 1 , LP ) TF ( a 2 , T ) TF ( a 2 , FP ) TF ( a 2 , LP ) TF ( t , T ) TF ( t , FP ) TF ( t , LP ) TF ( o , T ) TF ( o , FP ) TF ( o , LP ) TF ( l , T ) TF ( l , FP ) TF ( l , LP ) C2.在事件的四要素中，动作要素是必不可少的，其他几个要素因不同的事件而有不同的差异，给事件动作要素赋以更高的权重，得到结果为： [ α , α , 1,1,1 ] × TF ( a 1 , T ) TF ( a 1 , FP ) TF ( a 1 , LP ) TF ( a 2 , T ) TF ( a 2 , FP ) TF ( a 2 , LP ) TF ( t , T ) TF ( t , FP ) TF ( t , LP ) TF ( o , T ) TF ( o , FP ) TF ( o , LP ) TF ( l , T ) TF ( l , FP ) TF ( l , LP ) 其中，α＞1，α表示权重系数；C3.在新闻di的T，FP，LP三个项中，标题T中的特征项最为重要，FP，LP两项中的特征项的重要性认为相同；给标题T中出现的特征词赋以更高的权重，得到结果为： [ α , α , 1,1,1 ] × TF ( a 1 , T ) TF ( a 1 , FP ) TF ( a 1 , LP ) TF ( a 2 , T ) TF ( a 2 , FP ) TF ( a 2 , LP ) TF ( t , T ) TF ( t , FP ) TF ( t , LP ) TF ( o , T ) TF ( o , FP ) TF ( o , LP ) TF ( l , T ) TF ( l , FP ) TF ( l , LP ) × β 1 1 其中，β＞1，β表示权重系数；D.设置查询项Q中特征项的权重为1；E.计算查询项Q和新闻di的相关度为R(Q，di)，依据相关度R(Q，di)的大小降序排列输出检索结果，其具体步骤如下：E1.计算事件查询项间的距离，以Web新闻di的FP项为例，将FP分词后，Qc＝{t，l，o，a1}和Qe＝{a2}在FP中出现的位置依次记为pos(t，FP)、pos(l，FP)、pos(o，FP)、pos(a1，FP)和pos(a2，FP)；t与a1之间的距离记为dis(t，a1)＝|pos(t，FP)‑pos(a1，FP)|，t，l，o与a1的距离之和为 Σ x ∈ { t , l , o } | pos ( x , FP ) - pos ( a 1 , FP ) | , a1与a2的距离为：dis(a1，a2)＝|pos(a1，FP)‑pos(a2，FP)|，那么FP中，t，l，o，a1与a2的距离之为： Dis ( FP ) = Σ x ∈ { t , l , o } | pos ( x , FP ) - pos ( a 1 , FP ) | + | pos ( a 1 , FP ) - pos ( a 2 , FP ) | E2.如果同一个事件动作要素a在文本中多次出现，其他要素与其距离取最小值；E3.Web新闻di的T，FP，LP三个部分中，事件查询项的距离之和为：Dis(di)＝Dis(T)+Dis(FP)+Dis(LP)E4.由步骤C3可知，初始的查询项Q与文档di的相关度计算方法如下：R′(Q，di)＝TF(a1，T)×α×β+TF(a2，T)×α×β+TF(t，T)+TF(o，T)+TF(l，T)+TF(a1，FP)×α+TF(a2，FP)×α+TF(t，FP)+TF(o，FP)+TF(l，FP)+TF(a1，LP)×α+TF(a2，LP)×α+TF(t，LP)+TF(o，LP)+TF(l，LP)E5.考虑到相关度与事件查询项之间的距离成反比，得到最终的查询项Q与文档di的相关度为： R ( Q , d i ) = R ′ ( Q , d i ) × 1 log 2 Dis ( d i ) E6.按照相似度R(Q，di)的大小降序排列输出检索结果。