[发明专利]一种基于文体和词表的突发事件信息抽取方法及系统

摘要

本发明公开了一种基于文体和词表的突发事件信息抽取方法及系统，首先分析研究了Web文本和新闻文体的特征，利用Google Word2Vec对专家构建的词表进行扩展，针对突发事件的不同属性制定了不同的抽取方法采用词表进行事件分类，采用文体特征进行时间、事件摘要的抽取，采用文体和词表进行地点、伤亡情况和经济损失属性的抽取。实验表明，采用这种基于文体和词表方法在爬取的Web新闻语料库和公开语料库进行突发事件的属性进行抽取时，平均准确率分别为87.89％、91.29％，平均召回率分别为81.76％、87.91％，能满足应急管理需求。

主权项

一种基于文体和词表的突发事件信息抽取方法，其特征在于，包括以下步骤：步骤1：获取新闻网站内容作为初始新闻语料库；步骤2：事件识别与分类；对初始新闻语料库进行预处理，判断新闻报道是否为突发事件，并在此基础上对获取新闻进行分类；步骤3：信息抽取；完成突发事件基本属性的抽取，实现突发事件信息结构化。