面向新闻文章的上下文特定事件模型
计算与语言
2013-08-06 v1 信息检索
摘要
我们提出了一种新的基于上下文的新闻文章事件索引和事件排序模型。由 UNL 图形成的上下文事件簇使用改进的评分方案进行事件分割，随后进行事件聚类。基于获得的上下文簇，开发了三种模型：主要事件和子事件的识别、事件索引以及事件排序。基于从 UNL 图中考虑的用于改进评分的属性，识别出与主要事件相关联的主要事件和子事件。从上下文簇中获得的时间细节使用哈希映射数据结构进行存储。这些时间细节包括：事件发生的地点、涉及事件的人物以及事件发生的时间。基于从上下文簇收集的信息，生成了三个索引：时间索引、人物索引和地点索引。该索引提供了从上下文簇获得的每个事件的完整细节。引入了一种新的评分方案用于事件排序。该事件排序评分方案根据事件的优先级赋予权重。优先级包括事件在文档标题中的出现情况、事件频率以及事件的逆文档频率。
引用
@article{arxiv.1308.0897,
title = {Context Specific Event Model For News Articles},
author = {Kowcika A and Uma Maheswari and Geetha T},
journal= {arXiv preprint arXiv:1308.0897},
year = {2013}
}