面向突發(fā)事件的事件識(shí)別及其應(yīng)用研究.pdf

1、事件既是人們進(jìn)行記憶知識(shí)和邏輯思維的基本知識(shí)單元，又是信息傳播和信息保存的語(yǔ)言。事件作為聯(lián)結(jié)現(xiàn)實(shí)經(jīng)驗(yàn)世界和語(yǔ)言符號(hào)世界的紐帶，近年來(lái)得到越來(lái)越多人的關(guān)注。事件識(shí)別作為事件研究中的重要內(nèi)容，其作用是把句子中表示某個(gè)事件發(fā)生的詞識(shí)別出來(lái)。目前在事件識(shí)別的研究中，存在特征選擇單一以及無(wú)關(guān)冗余特征對(duì)識(shí)別模型弱化的問(wèn)題，因此本文提出了一種基于多特征的事件識(shí)別方法，并在此基礎(chǔ)上對(duì)面向突發(fā)事件的文本主題分類(lèi)應(yīng)用進(jìn)行研究。主要研究工作包括兩部分:

2、>　　1.面向突發(fā)事件的事件識(shí)別研究。目前在事件識(shí)別研究方面，主要是基于語(yǔ)義或者句法等一個(gè)或少數(shù)幾個(gè)特征對(duì)事件進(jìn)行識(shí)別，并且對(duì)每個(gè)特征中引入的無(wú)關(guān)子特征或冗余子特征沒(méi)有處理。由于突發(fā)事件包含的事件觸發(fā)詞較多，并且一個(gè)突發(fā)事件包含的詞匯又非常有限，所以需要從有限的詞匯中發(fā)掘更多有效的特征對(duì)事件觸發(fā)詞進(jìn)行區(qū)分。于是本文提出了一種基于多特征的事件識(shí)別方法來(lái)處理上述問(wèn)題。主要選取了詞法特征、語(yǔ)義角色特征、依存句法特征以及語(yǔ)義依存特征等多特征進(jìn)行

3、分析。然后利用Relief算法對(duì)每個(gè)特征中的各個(gè)子特征進(jìn)行特征選擇，解決了無(wú)關(guān)特征和冗余特征會(huì)對(duì)模型性能產(chǎn)生弱化效果以及數(shù)據(jù)稀疏等問(wèn)題。最后對(duì)特征選擇后的特征向量用SVM分類(lèi)器進(jìn)行分類(lèi)，實(shí)現(xiàn)事件識(shí)別。實(shí)驗(yàn)結(jié)果表明，上述事件識(shí)別方法取得了較好的效果。
　　2.面向突發(fā)事件的文本主題分類(lèi)應(yīng)用研究。本文方法把文本主題分類(lèi)分為兩個(gè)階段，訓(xùn)練階段和測(cè)試階段。訓(xùn)練階段是對(duì)語(yǔ)料庫(kù)中的事件標(biāo)注結(jié)果進(jìn)行處理，對(duì)每個(gè)主題計(jì)算出所有事件觸發(fā)詞的權(quán)重，得