[发明专利]一种基于事件分析的Web新闻检索方法

说明书

技术领域

本发明属于信息检索领域，具体地说是涉及一种基于事件分析的Web新闻检索方法。

背景技术

由于现实中的事件在互联网上都有明显的反映，互联网上存在着大量的面向事件的Web新闻报道。借助搜索引擎从互联网上获取事件相关信息已经是用户的迫切需求。但由于互联网上的信息急剧膨胀，通用搜索引擎返回的结果往往是信息量大、查询不准确。用户在输入某个关键字后，搜索到的有用信息并不多，对事件类信息的检索更是如此。

事件检索指针对用户输入的事件查询关键字，获取相关信息或者精准的答案。TDT与事件检索有着一定的联系，其主旨是基于事件对信息流进行组织和利用。其研究方向主要是未知话题的识别及已知话题的跟踪，话题跟踪经常提供若干篇新闻报道为种子，利用相关算法自动将后续相关新闻报道检测加入到已知话题中。

国内外关于事件检索的研究成果不多，与事件检索密切相关的工作主要有：在2012年加拿大出版的会议论文集：2012年北美计算语言学-人类语言技术会议(Proceedings of 2012Conference of the North American Chapterof the Association for Computational Linguistics：Human LanguageTechnologies)，题目为：微博信息的结构化事件检索(Structured eventretrieval over microblog archives)，作者是：D.Metzler，C.X.Cai，andE.Hovy，该文提出了微博上的结构事件检索方法，对于一个事件查询，返回的结果是历史事件的摘要排序，主要包括查询扩展及摘要生成两个核心步骤。在2010年德国出版的期刊：软计算(Soft Computing)，题目为：面向历史事件检索的Web模糊时间信息推理(Reasoning about fuzzy temporalinformation from the web：towards retrieval of historical events)，作者是：S.Steven，D.C.Martine，and E.K.Etienn，该文针对历史事件检索的时间约束，使用了简单的启发式技术支持从Web文档中获取事件的时间信息，提出使用模糊时间推理算法改善抽取时间的可靠性。在2003年中国出版的期刊：中文信息学报，题目为：基于事件框架的事件相关文档的智能检索研究，作者是：吴平博，陈群秀，马亮，该文以某事件的几篇报道为检索条件，在聚类的基础上手工对事件框架的侧面词进行整理，并将事件框架的知识用到事件相关文档的检索中。在2011年中国出版的期刊：华南理工大学学报(自然科学版)，题目为：融合事件信息的复杂问句分析方法，作者是：刘小明，樊孝忠，刘里，该文提出一种融合事件信息的复杂问句分析方法，将事件视为由多个要素构成的复杂数据对象，利用事件抽取技术获取复杂问句中若干事件，用多个事件语义模型实例表征整个复杂问句的语义信息。

但已有的Web新闻检索方法没有分析查询内容中不同的查询项的作用，没能使用Web新闻的结构特征，没有考虑查询项之间的距离，因此，对一些事件类信息的检索结果的准确率不高，不能满足实际应用的需求。

发明内容

本发明所要解决的技术问题是针对现有技术存在的问题和不足，提供一种方法设计更为合理、可以有效地提高Web新闻检索的准确率的基于事件分析的Web新闻检索方法。

本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种基于事件分析的Web新闻检索方法，其具体步骤如下：

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}；