微博事件抽取.pdf

1、事件抽取是信息抽取領(lǐng)域中一項重要的研究任務(wù)，旨在從含有事件信息的非結(jié)構(gòu)化文本中抽取出用戶感興趣的事件信息。微博是一種通過關(guān)注機制分享簡短實時信息的廣播式的社交網(wǎng)絡(luò)平臺，包含大量的文本信息。在這些文本信息中，含有用戶感興趣的事件信息。相比于正式的新聞文本，微博文本有著數(shù)量大、信息豐富、時效性高的優(yōu)點，有利于更準確，更及時地提取更豐富的事件信息。與此同時，微博文本也有著表達隨意、文本短小、信息冗余的缺點。
　　傳統(tǒng)的無監(jiān)督方法在進行微

2、博文本事件抽取時需要預(yù)設(shè)超參數(shù)事件數(shù)量，并且該參數(shù)對系統(tǒng)性能影響較大，在處理大規(guī)模微博文本時，參數(shù)選擇面臨更多困難。此外，現(xiàn)有的微博文本事件抽取方法都沒有考慮到命名實體之間的聯(lián)系，在進行事件抽取時，依賴單詞的形式是否相同。
　　本文的主要工作有:
　　(1)為了解決現(xiàn)有方法依賴超參數(shù)設(shè)置的問題，提出了以狄利克雷過程事件混合模型(DPEMM)為核心的事件抽取框架，包括DPEMM模型和基于頻率的后處理方法。該方法克服了傳統(tǒng)的無監(jiān)

3、督微博事件抽取框架抽取性能對超參數(shù)事件數(shù)量敏感的問題。將該框架在3個數(shù)據(jù)集上與基準框架進行實驗對比，在F1評價指標上分別提高了6.1％，7.7％，6.0％。通過進一步的實驗分析，總結(jié)了該方法在實驗數(shù)據(jù)集上優(yōu)于傳統(tǒng)方法的原因。
　　(2)為了解決傳統(tǒng)方法中沒有考慮命名實體之間的關(guān)聯(lián)的問題，提出了以基于詞向量的狄利克雷過程事件混合模型(DPEMM-WE)為核心的事件抽取框架，包括DPEMM-WE模型和基于共現(xiàn)的后處理方法。該框架在兩個

4、數(shù)據(jù)集上的F1評價指標比以DPEMM為核心的事件抽取框架分別高1，5％和3.5％。通過對聚簇結(jié)構(gòu)的分析，可以發(fā)現(xiàn)DPEMM-WE的聚簇聚集了更多的事件信息;基于共現(xiàn)的后處理方法通過將單詞之間的相關(guān)聯(lián)系融入到后處理方法中，可以有效的屏蔽聚簇中的噪音信息。
　　本文共分為5章，第1章介紹研究背景以及工作現(xiàn)狀，第2章介紹了理論知識及相關(guān)技術(shù)，第3章介紹了以DPEMM為核心的事件抽取框架及相關(guān)實驗，第4章介紹了以DPEMM-WE為核心的事