[发明专利]基于知识图谱的自动化事件标记与分类方法

权利要求书

1.一种基于知识图谱的自动化事件标记与分类方法，其特征在于，包括以下步骤：

S1：根据实际需要设置N个领域类别，分别收集每个领域类别的文本数据并构建知识图谱G_n，n＝1,2…,N；

S2：预设时间窗口T，爬取该时间窗口内社交媒体中发布的各个文本数据，对每个文件数据进行关键短语提取，将所提取到的关键短语构成关键短语集合A；分别计算关键短语集合A中的每个关键短语s的突发程度W_s，计算公式如下：

W_s＝p_s×log(u_s)×log(r_s)×log(log(f_s))

其中，p_s表示时间窗口T内关键短语s的突发概率，u_s表示时间窗口T内使用过关键短语s的用户数量，r_s表示时间窗口T内包含关键短语s的文本被转发的次数，f_s表示时间窗口T内使用关键短语s的用户的关注数目总和；

将所有关键短语按照突发程度从高到低进行排序，选择前K个关键短语作为突发短语加入突发短语集合B；

S3：将时间窗口T平均划分为M个连续不相交的子时间窗口，记第m个子时间窗口为T_m，对于每个突发短语e，e∈B，统计每个子时间窗口T_m内包含该突发短语e的文本集合text(e,m)和文本数量f₁(e,m)，以及整个时间窗口T内包含该突发短语e的文本数量f₂(e)，计算每个突发短语e在子时间窗口T_m所占比例d(e,m)＝f₁(e,m)/f₂(e)；

记两个突发短语分别为e_a、e_b，首先分别计算文本集合text(e_a,m)和文本集合text(e_b,m)之间的相似度sim(text(e_a,m),text(e_b,m))，然后采用以下公式计算两个突发短语的相似度S(e_a,e_b)：

根据突发短语间的相似度对突发短语进行聚类，得到K个突发短语簇C_k，k＝1,2,…,K，每个突发短语簇C_k即为时间窗口T内的一个突发事件；

S4：对于突发短语簇C_k所对应的突发事件，根据步骤S1所构建的各个领域类别知识图谱G_n所涵盖的文本数据，计算突发短语簇C_k中每个突发短语v在各个领域类别知识图谱G_n上的TF-IDF得分score(v,n)，再进行求和得到突发短语簇C_k所对应突发事件在各个领域类别知识图谱G_n上的TF-IDF得分score(k,n)：

S5：预先设定TF-IDF得分阈值对于突发短语簇C_k所对应的突发事件，如果其在领域类别知识图谱G_n上的TF-IDF得分score(k,n)大于阈值则将该突发事件标记为该领域类别，从而确定事件的标记和分类。

2.根据权利要求1所述的自动化事件标记与分类方法，其特征在于，所述步骤S3中文本集合相似度采用TF-IDF相似度，计算方法包括以下步骤：

1)分别对两个文本集合进行分词，对得到的两个单词集合进行合并得到单词集合φ；

2)对于单词集合φ中的每个单词，分别计算该单词在两个文本集合中的TF-IDF值p_i,1、p_i,2，i＝1,2,…,|φ|，|φ|表示单词集合φ中单词数量；

3)根据每个单词的TF-IDF值构建得到每个文本集合对应的TF-IDF向量P₁＝(p_1,1,p_2,1,…p_|φ|,1)、P₂＝(p_1,2,p_2,2,…p_|φ|,2)；

4)计算两个文本集合对应的TF-IDF向量之间的余弦相似度，即作为文本集合之间的相似度。

3.根据权利要求1所述的自动化事件标记与分类方法，其特征在于，所述步骤S3中突发短语的聚类采用Jarvis－Patrick聚类算法。