[发明专利]一种基于柔性语义相似性度量的中文新闻故事分割方法

权利要求书

1.一种基于柔性语义相似性度量的中文新闻故事分割方法，其特征在于，所述方法包括以下步骤：

（1）输入目标文集对文集中的每个新闻故事脚本T_i进行分词；

（2）建立上下文关系图；

（3）通过所述上下文关系图和快速排序算法对词语之间的上下文相关性进行迭代传播获取柔性语义相关性矩阵；

（4）通过所述柔性语义相关性矩阵对句子间的柔性语义相似性进行定义；

（5）使用所述柔性语义相似性对中文新闻故事进行分割。

2.根据权利要求1所述的一种基于柔性语义相似性度量的中文新闻故事分割方法，其特征在于，所述建立上下文关系图的步骤具体为：

1）依次读入每个新闻故事脚本，对所包含的词语进行词频统计；

2）根据定义好的词频阈值，将高频词语和低频词语删除；

3）将保留下的词语作为上下文关系图中的结点，其集合即为V；

4）判断集合中的任意两个词语是否同时出现在某一新闻故事脚本中，且这两个词语之间的距离小于或等于距离阈值，如果是则在这两个词语之间建立边，边的集合即为E；如果否重新判断其他任意两个词语，直至整个集合中的词语都被遍历；

5）边的权值S_C由词语之间的权值sim_C(a,b)、词语本身的权值sim_C(a,a)表示；

6）所述上下文关系图表示为G=V,E,S_C。

3.根据权利要求2所述的一种基于柔性语义相似性度量的中文新闻故事分割方法，其特征在于，所述词语之间的权值sim_C(a,b)具体为：

simC(a,b)=freq(a,b)freqmax+ϵ]]>

其中，freq(a,b)表示词语a和词语b同时出现的次数，freq_max=max(_i,j){freq(i,j)}表示词对(i,j)的频率最大值，ε是一个常数用以确保0≤sim_C(a,b)≤1。

4.根据权利要求2所述的一种基于柔性语义相似性度量的中文新闻故事分割方法，其特征在于，所述词语本身的权值sim_C(a,a)=1。