[发明专利]一种地震新闻信息抽取方法及其系统

说明书

本发明提供一种地震新闻信息抽取方法及其系统，方法包括：将实体库中的第一实体链接到新闻文本上，对链接有第一实体的新闻文本识别得到第二实体，并对识别后的新闻文本进行分句，以得到包括新闻原句的第二处理文本；对第二处理文本识别和分词后得到第二数字类社会属性新闻数组，转化得到第二数字类社会属性新闻数组中的阿拉伯数字，将元素、阿拉伯数字和新闻原句输出；根据第二处理文本的时间要素对新闻原句设置时刻信息，对新闻原句识别得到新闻原句中的第三实体和关系动词列表，根据优先级顺序获取关系动词列表中的关系动词，并将第三实体、关系动词、时刻信息和新闻原句输出。本发明的有益效果：实现了基于时间线形成全面的新闻事件脉络。

技术领域

本发明涉及自然语言处理信息抽取技术领域，尤其涉及一种地震新闻信息抽取方法及其系统。

背景技术

地震事件是隶属于突发事件下具有极大危害性的自然灾害事件，通常会造成极大社会影响、带来严重经济损失和人员伤亡。当前国内对地震事件的研究主要在于应急救援指导、舆情引导、地震事件信息挖掘、地震信息存储以及地震数据实时监控等五个方面，国外则主要研究地震后产生的应激反应、地震知识共享以及社交媒体传播三个方面。

从当前的从媒体报道地震新闻事件的角度来看，不同媒体之间的时刻信息差和不同采访对象也导致其报道的新闻往往会从地震的不同角度进行报道，诸如地震带来的人员伤亡，是否导致震区交通阻断，救援队伍的救灾情况等，这也使得人们难以通过一家媒体了解地震新闻事件发生的全貌。

因此，目前需要一种对地震新闻文本的实体关系进行抽取的技术，然而目前的实体关系抽取技术没有基于时刻信息线展现地震新闻事件的变化发展情况，无法形成地震新闻事件脉络，并且没有将地震新闻事件作为实体与其他类实体诸如实体人物、实体机构等进行链接，形成地震新闻事件与实体的关系网络。

发明内容

针对现有技术中存在的上述问题，现提供一种地震新闻信息抽取方法及其系统。

具体技术方案如下：

一种地震新闻信息抽取方法，其中，包括以下步骤：

步骤S1，将实体库中的第一实体链接到新闻文本上，并且链接有第一实体的新闻文本记为第一处理文本；

步骤S2，对第一处理文本进行实体识别，以识别得到第二实体，并对识别后的新闻文本进行分句处理，以得到包括至少一个新闻原句的第二处理文本；

步骤S3，通过预设的数字类社会属性和正则表达式对第二处理文本进行实体识别，以识别得到第一数字类社会属性新闻数组，并根据第一数字类社会属性新闻数组对第二处理文本进行分词，以得到分词结果，并根据分词结果将不存在于分词结果中的第一数字类社会属性新闻数组中的元素删除，以得到第二数字类社会属性新闻数组，将第二数字类社会属性新闻数组中的元素中的非阿拉伯数字转化为阿拉伯数字，并于分词后的新闻文本中获取元素所在的新闻原句，将元素、元素对应的阿拉伯数字和元素所在的新闻原句关联成第一数组后输出；

步骤S4，对第二处理文本的时间要素进行识别，并根据时间要素对时间要素所在的新闻原句设置时刻信息，并根据实体列表以及关系词表对时间要素所在的新闻原句进行实体识别，以识别得到新闻原句中的第三实体和第三实体对应的关系动词列表，并将第三实体、第三实体对应的关系动词列表和时刻信息关联成第二数组后输出，根据地震事件与实体关系表的优先级顺序获取得到第二数组中的关系动词列表中的至少一个关系动词，并依次将第三实体、第三实体对应的关系动词、时刻信息和新闻原句关联成第四数组后输出；

步骤S5，将第一数组和第四数组进行组合，以得到第五数组，并根据时刻信息的时间顺序依次输出第五数组。

优选的，地震新闻信息抽取方法，其中，步骤S1具体包括以下步骤：

步骤S11，对新闻文本进行实体识别，以于新闻文本中识别得到对应于第一实体的第一实体数据；