[发明专利]一种基于事件分析的Web新闻检索方法

权利要求书

1.一种基于事件分析的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Q_e和约束项Q_c两部分，得到查询项Q＝{Q_e，Q_c}；

B.选取一篇Web新闻d_i的标题T、首段FP和末段LP三个部分表示d_i，d_i＝{T，FP，LP}，其具体步骤如下：

B1.提取Web新闻HTML源码中的<title>和</title>两标签的中间部分作为d_i的标题T；

B2.提取Web新闻正文部分的第一段作为d_i的首段FP；

B3.提取Web新闻正文部分的最后一段作为d_i的末段LP，得到Web新闻的三个部分d_i＝{T，FP，LP}；

C.计算d_i＝{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Q_e＝{a₂}，a₂表示事件的动作要素，约束项Q_c＝{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d_i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(a1,T)TF(a1,FP)TF(a1,LP)TF(a2,T)TF(a2,FP)TF(a2,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(a1,T)TF(a1,FP)TF(a1,LP)TF(a2,T)TF(a2,FP)TF(a2,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d_i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(a1,T)TF(a1,FP)TF(a1,LP)TF(a2,T)TF(a2,FP)TF(a2,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)×β11]]>

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d_i的相关度为R(Q，d_i)，依据相关度R(Q，d_i)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d_i的FP项为例，将FP分词后，Q_c＝{t，l，o，a₁}和Q_e＝{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Σx∈{t,l,o}|pos(x,FP)-pos(a1,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)=Σx∈{t,l,o}|pos(x,FP)-pos(a1,FP)|+|pos(a1,FP)-pos(a2,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d_i的T，FP，LP三个部分中，事件查询项的距离之和为：

Dis(d_i)＝Dis(T)+Dis(FP)+Dis(LP)

E4.由步骤C3可知，初始的查询项Q与文档d_i的相关度计算方法如下：

R′(Q，d_i)＝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d_i的相关度为：

R(Q,di)=R′(Q,di)×1log2Dis(di)]]>

E6.按照相似度R(Q，d_i)的大小降序排列输出检索结果。