CN108062402B - 一种事件时间轴挖掘方法与系统 - Google Patents
一种事件时间轴挖掘方法与系统 Download PDFInfo
- Publication number
- CN108062402B CN108062402B CN201711449439.2A CN201711449439A CN108062402B CN 108062402 B CN108062402 B CN 108062402B CN 201711449439 A CN201711449439 A CN 201711449439A CN 108062402 B CN108062402 B CN 108062402B
- Authority
- CN
- China
- Prior art keywords
- event
- entity
- target event
- mining
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005065 mining Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011161 development Methods 0.000 claims abstract description 81
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000007619 statistical method Methods 0.000 claims abstract description 20
- 230000018109 developmental process Effects 0.000 claims description 76
- 230000003321 amplification Effects 0.000 claims description 22
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 17
- 230000007423 decrease Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 230000008451 emotion Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004141 dimensional analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000002778 food additive Substances 0.000 description 1
- 235000013373 food additive Nutrition 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种事件时间轴挖掘方法与系统，所述事件时间轴挖掘方法包括：采集目标事件的事件信息；对所述事件信息进行实体识别，抽取所述目标事件的实体；对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；对所述事件信息进统计分析，挖掘所述目标事件的重要节点；对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。通过所述事件时间轴挖掘方法，能够从多个维度分析所述目标事件的发展，全面反映事件的发展过程，方便监测者监测事件的发展情况。
Description
技术领域
本发明涉及自然语言处理技术领域，具体涉及一种事件时间轴挖掘方法与系统。
背景技术
事件(Event)是信息表示的一种主要形式，它是一种特定人、物、事在特定时间和特定地点相互作用的客观事实(也称“自然事件”)，如人的受伤、死亡事件和食品的添加剂事件等。事件是客观事实诉诸文字的独特语用形式，而一篇文章一般由围绕某个话题或者相关主题的各种事件组成，这些事件表达了文章的核心内容。因而文本中的事件往往不是孤立个体，其发生与发展往往与外在的围绕同一话题的其他事件有着一定的关系，如“时序”关系。事件的时序关系是一种重要的事件关系，它连接了某一话题下事件从开始到结束的演变过程以及事件的相互关系，近年来成为信息抽取研究的一个热点。
目前，现有的事件时序分析中分析事件的元素相对单一，比如只分析事件发展过程的重要观点，造成事件时序分析结果较为单一、片面，不能够很好反映事件本身发生、发展和衰减的过程，以及事件在发生、发展和衰减的过程中出现的重要节点。
发明内容
本发明的目的是提供一种事件时间轴挖掘方法与系统，能够从多个维度分析事件的发展，全面反映事件的发展过程，方便监测者监测事件的发展情况。
为解决以上技术问题，本发明实施例提供一种事件时间轴挖掘方法，包括：
采集目标事件的事件信息；
对所述事件信息进行实体识别，抽取所述目标事件的实体；
对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；
对所述事件信息进统计分析，挖掘所述目标事件的重要节点；
对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；
根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。
优选地，所述事件时间轴挖掘方法还包括：
根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件下的网民情绪以及线下活动。
优选地，所述对所述事件信息进行实体识别，抽取所述目标事件的实体，具体包括：
从所述事件信息中查找与收录在预设实体词典中的实体词相匹配的明显实体；
对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体；
整合所述明显实体和所述模糊实体，形成所述目标事件的实体。
优选地，所述对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体，具体包括：
对所述事件信息进行分词处理，形成训练语料集；
根据所述训练语料集，训练预设的CRF模型；
根据所述预设的CRF模型，预测所述模糊实体。
优选地，所述目标事件的事件元素包括所述目标事件发生的时间，地点以及相关人物。
优选地，所述对所述事件信息进统计分析，挖掘所述目标事件的重要节点，具体包括：
根据所述事件信息，查找所述事件信息中的大V人物的加入节点；
根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；
根据所述目标事件的报道量、评论量以及转发量，挖掘所述目标事件的时间转折节点；
整合所述大V人物的加入节点和所述目标事件的时间转折节点，获得所述目标事件的重要节点。
优选地，所述对所述事件信息进统计分析，挖掘所述目标事件的发展阶段，具体包括：
根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；
根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段。
优选地，所述根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段，具体包括：
所述目标事件的发展阶段包括上升期、爆发期、稳定期、衰退期；
统计所述目标事件在设定时间内的报道量、评论量以及转发量的总增幅；
判断所述总增幅位于的数值范围；
当所述总增幅位于预设的上升期范围时，所述目标事件的发展阶段为上升期；
当所述总增幅位于预设的爆发期范围时，所述目标事件的发展阶段为爆发期；
当所述总增幅位于预设的稳定期范围时，所述目标事件的发展阶段为稳定期；
当所述总增幅位于预设的衰退期范围时，所述目标事件的发展阶段为衰退期。
本发明实施例还提供一种事件时间轴挖掘系统，包括：
事件信息采集模块，用于采集目标事件的事件信息；
实体抽取模块，用于对所述事件信息进行实体识别，抽取所述目标事件的实体；
事件元素挖掘模块，用于对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；
重要节点挖掘模块，用于对所述事件信息进统计分析，挖掘所述目标事件的重要节点；
发展阶段挖掘模块，用于对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；
事件时间轴挖掘模块，用于根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。
优选地，所述事件时间轴挖掘系统还包括：
隐含维度预测模块，用于根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件下的网民情绪以及线下活动。
相对于现有技术，本发明实施例提供的一种事件时间轴挖掘方法的有益效果在于：所述事件时间轴挖掘方法包括：采集目标事件的事件信息；对所述事件信息进行实体识别，抽取所述目标事件的实体；对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；对所述事件信息进统计分析，挖掘所述目标事件的重要节点；对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。通过所述事件时间轴挖掘方法，能够从多个维度分析事件的发展，全面反映事件的发展过程，方便监测者监测事件的发展情况。本发明实施还提供一种事件时间轴挖掘系统。
附图说明
图1是本发明实施例提供的一种事件时间轴挖掘方法的流程图；
图2是本发明实施例提供的一种事件时间轴挖掘系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其是本发明实施例提供一种事件时间轴挖掘方法的流程图，所述事件时间轴挖掘方法包括：
S1：采集目标事件的事件信息；
S2：对所述事件信息进行实体识别，抽取所述目标事件的实体；
S3：对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；
S4：对所述事件信息进统计分析，挖掘所述目标事件的重要节点；
S5：对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；
S6：根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。
本实施例中，通过所述目标事件的事件信息进行多层次的分析，获取所述目标事件的实体、事件元素、重要节点以及所属的发展阶段，并按照时间的先后顺序形成事件时间轴，实现所述目标事件的多个维度分析，全面反映事件的演化过程，方便监测者监测事件的发展情况。
在一种可选的实施例中，所述事件时间轴挖掘方法还包括：
根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件下的网民情绪以及线下活动。
在本实施例中，根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件引发的网民情绪以及线下活动。
在一种可选的实施例中，所述对所述事件信息进行实体识别，抽取所述目标事件的实体，具体包括：
从所述事件信息中查找与收录在预设实体词典中的实体词相匹配的明显实体；
对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体；
整合所述明显实体和所述模糊实体，形成所述目标事件的实体。
在一种可选的实施例中，所述对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体，具体包括：
对所述事件信息进行分词处理，形成训练语料集；
根据所述训练语料集，训练预设的CRF模型；
根据所述预设的CRF模型，预测所述模糊实体。
在本实施例中，训练后的CRF模型保存了大量的文本特征，将所述事件信息输入训练后的CRF模型，训练后的CRF模型根据已保存的文本特征分析出模糊实体。例如：文本特征中有“书记”，则根据“书记”分析出描述的主体人名，获得人名实体。
在一种可选的实施例中，所述目标事件的事件元素包括所述目标事件发生的时间，地点以及相关人物。
在本实施例中，所述目标事件发生的时间，地点以及相关人物可以直接从步骤S2中的获得的实体进行分析抽取，或者直接对所述事件信息进行语义分析，获取所述目标事件发生的时间，地点以及相关人物。例如，根据所述目标事件的相关资讯，提取出相关实体(地名、人名等)，实现所述目标事件发生地点以及相关人物的抽取；同时根据文本特征，如“据yyyy年mm月dd日xx网报道”，分析出所述目标事件发生的时间等。
在一种可选的实施例中，所述对所述事件信息进统计分析，挖掘所述目标事件的重要节点，具体包括：
根据所述事件信息，查找所述事件信息中的大V人物的加入节点；
根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；
根据所述目标事件的报道量、评论量以及转发量，挖掘所述目标事件的时间转折节点；
整合所述大V人物的加入节点和所述目标事件的时间转折节点，获得所述目标事件的重要节点。
在一种可选的实施例中，所述对所述事件信息进统计分析，挖掘所述目标事件的发展阶段，具体包括：
根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；
根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段。
在一种可选的实施例中，所述根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段，具体包括：
所述目标事件的发展阶段包括上升期、爆发期、稳定期、衰退期；
统计所述目标事件在设定时间内的报道量、评论量以及转发量的总增幅；
判断所述总增幅位于的数值范围；
当所述总增幅位于预设的上升期范围时，所述目标事件的发展阶段为上升期；
当所述总增幅位于预设的爆发期范围时，所述目标事件的发展阶段为爆发期；
当所述总增幅位于预设的稳定期范围时，所述目标事件的发展阶段为稳定期；
当所述总增幅位于预设的衰退期范围时，所述目标事件的发展阶段为衰退期。
请参阅图2，其是本发明实施例还提供一种事件时间轴挖掘系统的示意图，所述事件时间轴挖掘系统包括：
事件信息采集模块1，用于采集目标事件的事件信息；
实体抽取模块2，用于对所述事件信息进行实体识别，抽取所述目标事件的实体；
事件元素挖掘模块3，用于对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；
重要节点挖掘模块4，用于对所述事件信息进统计分析，挖掘所述目标事件的重要节点；
发展阶段挖掘模块5，用于对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；
事件时间轴挖掘模块6，用于根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。
本实施例中，通过所述目标事件的事件信息进行多层次的分析，获取所述目标事件的实体、事件元素、重要节点以及所属的发展阶段，并按照时间的先后顺序形成事件时间轴，实现所述目标事件的多个维度分析，全面反映事件的演化过程，方便监测者监测事件的发展情况。
在一种可选的实施例中，所述事件时间轴挖掘系统还包括：
隐含维度预测模块，用于根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件下的网民情绪以及线下活动。
在本实施例中，根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件引发的网民情绪以及线下活动。
在一种可选的实施例中，所述实体抽取模块包括：
明显实体挖掘模块，用于从所述事件信息中查找与收录在预设实体词典中的实体词相匹配的明显实体；
模糊实体挖掘模块，用于对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体；
实体整合模块，用于整合所述明显实体和所述模糊实体，形成所述目标事件的实体。
在一种可选的实施例中，所述模糊实体挖掘模块包括：
分词模块，用于对所述事件信息进行分词处理，形成训练语料集；
模型训练模块，用于根据所述训练语料集，训练预设的CRF模型；
模糊实体预测模块，用于根据所述预设的CRF模型，预测所述模糊实体。
在本实施例中，训练后的CRF模型保存了大量的文本特征，将所述事件信息输入训练后的CRF模型，训练后的CRF模型根据已保存的文本特征分析出模糊实体。例如：文本特征中有“书记”，则根据“书记”分析出描述的主体人名，获得人名实体。
在一种可选的实施例中，所述目标事件的事件元素包括所述目标事件发生的时间，地点以及相关人物。
在本实施例中，所述目标事件发生的时间，地点以及相关人物可以直接从步骤S2中的获得的实体进行分析抽取，或者直接对所述事件信息进行语义分析，获取所述目标事件发生的时间，地点以及相关人物。例如，根据所述目标事件的相关资讯，提取出相关实体(地名、人名等)，实现所述目标事件发生地点以及相关人物的抽取；同时根据文本特征，如“据yyyy年mm月dd日xx网报道”，分析出所述目标事件发生的时间等。
在一种可选的实施例中，所述重要节点挖掘模块包括：
大V节点查找模块，用于根据所述事件信息，查找所述事件信息中的大V人物的加入节点；
第一计算模块，用于根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；
时间转折节点挖掘模块，用于根据所述目标事件的报道量、评论量以及转发量，挖掘所述目标事件的时间转折节点；
节点整合模块，用于整合所述大V人物的加入节点和所述目标事件的时间转折节点，获得所述目标事件的重要节点。
在一种可选的实施例中，所述发展阶段挖掘模块包括：
第二计算模块，用于根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；
发展阶段识别模块，用于根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段。
在一种可选的实施例中，所述发展阶段识别模块包括第三计算模块以及增幅判断模块，
所述目标事件的发展阶段包括上升期、爆发期、稳定期、衰退期；
所述第三计算模块，用于统计所述目标事件在设定时间内的报道量、评论量以及转发量的总增幅；
所述增幅判断模块，用于判断所述总增幅位于的数值范围；
当所述总增幅位于预设的上升期范围时，所述目标事件的发展阶段为上升期；
当所述总增幅位于预设的爆发期范围时，所述目标事件的发展阶段为爆发期；
当所述总增幅位于预设的稳定期范围时，所述目标事件的发展阶段为稳定期；
当所述总增幅位于预设的衰退期范围时，所述目标事件的发展阶段为衰退期。
相对于现有技术，本发明实施例提供的一种事件时间轴挖掘方法的有益效果在于：所述事件时间轴挖掘方法包括：采集目标事件的事件信息；对所述事件信息进行实体识别，抽取所述目标事件的实体；对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；对所述事件信息进统计分析，挖掘所述目标事件的重要节点；对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。通过所述事件时间轴挖掘方法，能够从多个维度分析事件的发展，全面反映事件的发展过程，方便监测者监测事件的发展情况。本发明实施还提供一种事件时间轴挖掘系统。
以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种事件时间轴挖掘方法，其特征在于，包括：
采集目标事件的事件信息；
对所述事件信息进行实体识别，抽取所述目标事件的实体；
其中，所述对所述事件信息进行实体识别，抽取所述目标事件的实体，具体包括：从所述事件信息中查找与收录在预设实体词典中的实体词相匹配的明显实体；对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体；整合所述明显实体和所述模糊实体，形成所述目标事件的实体；
所述对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体，具体包括：对所述事件信息进行分词处理，形成训练语料集；根据所述训练语料集，训练预设的CRF模型；根据所述预设的CRF模型，预测所述模糊实体；
对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；
对所述事件信息进统计分析，挖掘所述目标事件的重要节点；具体的，根据所述事件信息，查找所述事件信息中的大V人物的加入节点；根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；根据所述目标事件的报道量、评论量以及转发量，挖掘所述目标事件的时间转折节点；整合所述大V人物的加入节点和所述目标事件的时间转折节点，获得所述目标事件的重要节点；
对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；具体的，根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段；
根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。
2.如权利要求1所述的事件时间轴挖掘方法，其特征在于，还包括：
根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件下的网民情绪以及线下活动。
3.如权利要求1所述的事件时间轴挖掘方法，其特征在于，所述目标事件的事件元素包括所述目标事件发生的时间，地点以及相关人物。
4.如权利要求1所述的事件时间轴挖掘方法，其特征在于，所述根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段，具体包括：
所述目标事件的发展阶段包括上升期、爆发期、稳定期、衰退期；
统计所述目标事件在设定时间内的报道量、评论量以及转发量的总增幅；
判断所述总增幅位于的数值范围；
当所述总增幅位于预设的上升期范围时，所述目标事件的发展阶段为上升期；
当所述总增幅位于预设的爆发期范围时，所述目标事件的发展阶段为爆发期；
当所述总增幅位于预设的稳定期范围时，所述目标事件的发展阶段为稳定期；
当所述总增幅位于预设的衰退期范围时，所述目标事件的发展阶段为衰退期。
5.一种事件时间轴挖掘系统，其特征在于，包括：
事件信息采集模块，用于采集目标事件的事件信息；
实体抽取模块，用于对所述事件信息进行实体识别，抽取所述目标事件的实体；
其中，所述实体抽取模块包括：明显实体挖掘模块，用于从所述事件信息中查找与收录在预设实体词典中的实体词相匹配的明显实体；模糊实体挖掘模块，用于对所述事件信息进行CRF句法分析，挖掘所述目标事件的模糊实体；实体整合模块，用于整合所述明显实体和所述模糊实体，形成所述目标事件的实体；
所述模糊实体挖掘模块包括：分词模块，用于对所述事件信息进行分词处理，形成训练语料集；模型训练模块，用于根据所述训练语料集，训练预设的CRF模型；模糊实体预测模块，用于根据所述预设的CRF模型，预测所述模糊实体；
事件元素挖掘模块，用于对所述事件信息进行语义分析，挖掘所述目标事件的事件元素；
重要节点挖掘模块，用于对所述事件信息进统计分析，挖掘所述目标事件的重要节点；具体的，根据所述事件信息，查找所述事件信息中的大V人物的加入节点；根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；根据所述目标事件的报道量、评论量以及转发量，挖掘所述目标事件的时间转折节点；整合所述大V人物的加入节点和所述目标事件的时间转折节点，获得所述目标事件的重要节点；
发展阶段挖掘模块，用于对所述事件信息进统计分析，挖掘所述目标事件的发展阶段；具体的，根据所述事件信息，计算所述目标事件的报道量、评论量以及转发量；根据所述目标事件的报道量、评论量以及转发量，识别所述目标事件所属的发展阶段；
事件时间轴挖掘模块，用于根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，形成所述目标事件的事件时间轴。
6.如权利要求5所述的事件时间轴挖掘系统，其特征在于，还包括：
隐含维度预测模块，用于根据所述实体、所述事件元素、所述重要节点以及所述发展阶段，预测所述目标事件下的网民情绪以及线下活动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711449439.2A CN108062402B (zh) | 2017-12-27 | 2017-12-27 | 一种事件时间轴挖掘方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711449439.2A CN108062402B (zh) | 2017-12-27 | 2017-12-27 | 一种事件时间轴挖掘方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108062402A CN108062402A (zh) | 2018-05-22 |
| CN108062402B true CN108062402B (zh) | 2020-10-27 |
Family
ID=62140488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711449439.2A Active CN108062402B (zh) | 2017-12-27 | 2017-12-27 | 一种事件时间轴挖掘方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108062402B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108958215A (zh) * | 2018-06-01 | 2018-12-07 | 天泽信息产业股份有限公司 | 一种基于数据挖掘的工程车辆故障预测系统及其预测方法 |
| CN109191350A (zh) * | 2018-07-06 | 2019-01-11 | 贵州黔商科技有限公司 | 一种基于大数据族谱的人口普查管理方法 |
| CN109033316A (zh) * | 2018-07-18 | 2018-12-18 | 上海源啟信息科技有限公司 | 数据处理方法、装置、系统、设备和存储介质 |
| CN113033201B (zh) * | 2020-11-06 | 2023-07-28 | 新华智云科技有限公司 | 一种地震新闻信息抽取方法及其系统 |
| CN112347056B (zh) * | 2021-01-08 | 2021-07-02 | 北京东方通软件有限公司 | 一种基于时间轴的文件自动生成方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6311152B1 (en) * | 1999-04-08 | 2001-10-30 | Kent Ridge Digital Labs | System for chinese tokenization and named entity recognition |
| CN103324665A (zh) * | 2013-05-14 | 2013-09-25 | 亿赞普(北京)科技有限公司 | 一种基于微博的热点信息提取的方法和装置 |
| CN104216954A (zh) * | 2014-08-20 | 2014-12-17 | 北京邮电大学 | 突发事件话题状态的预测装置及预测方法 |
| CN105138515A (zh) * | 2015-09-02 | 2015-12-09 | 百度在线网络技术（北京）有限公司 | 命名实体识别方法和装置 |
-
2017
- 2017-12-27 CN CN201711449439.2A patent/CN108062402B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6311152B1 (en) * | 1999-04-08 | 2001-10-30 | Kent Ridge Digital Labs | System for chinese tokenization and named entity recognition |
| CN103324665A (zh) * | 2013-05-14 | 2013-09-25 | 亿赞普(北京)科技有限公司 | 一种基于微博的热点信息提取的方法和装置 |
| CN104216954A (zh) * | 2014-08-20 | 2014-12-17 | 北京邮电大学 | 突发事件话题状态的预测装置及预测方法 |
| CN105138515A (zh) * | 2015-09-02 | 2015-12-09 | 百度在线网络技术（北京）有限公司 | 命名实体识别方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108062402A (zh) | 2018-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108062402B (zh) | 一种事件时间轴挖掘方法与系统 | |
| Praveen et al. | Analyzing the attitude of Indian citizens towards COVID-19 vaccine–A text analytics study | |
| Bosco et al. | Developing corpora for sentiment analysis: The case of irony and senti-tut | |
| EP2664997B1 (en) | System and method for resolving named entity coreference | |
| Febriana et al. | Twitter dataset for hate speech and cyberbullying detection in Indonesian language | |
| CN104408093A (zh) | 一种新闻事件要素抽取方法与装置 | |
| Pramodh et al. | Automatic personality recognition of authors using big five factor model | |
| Zahoor et al. | Twitter sentiment analysis using lexical or rule based approach: a case study | |
| CN105183717A (zh) | 一种基于随机森林和用户关系的osn用户情感分析方法 | |
| CN108009297B (zh) | 基于自然语言处理的文本情感分析方法与系统 | |
| Bowie et al. | 13 The perfect in spoken British English | |
| CN105354185B (zh) | 用于问答系统挖掘关联问句的方法及装置 | |
| Min et al. | Comparative evaluation of lexicons in performing sentiment analysis | |
| Kucher et al. | Visual Analysis of Sentiment and Stance in Social Media Texts. | |
| CN112328856A (zh) | 公共事件追踪方法、装置、计算机设备及计算机可读介质 | |
| Rahutomo et al. | Ten-year compilation of# savekpk twitter dataset | |
| JP2020027548A (ja) | キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 | |
| ÖZEL et al. | Effects of feature extraction and classification methods on cyberbully detection | |
| CN111639494A (zh) | 案件事理关系确定方法及系统 | |
| Gupta et al. | Identifying radical social media posts using machine learning | |
| Pielka et al. | A linguistic investigation of machine learning based contradiction detection models: An empirical analysis and future perspectives | |
| Shokoohyar et al. | Exploring the heated debate over reopening for economy or continuing lockdown for public health safety concerns about COVID-19 in Twitter | |
| Grijzenhout et al. | Sentiment analysis in parliamentary proceedings | |
| Wu et al. | Public opinion toward CSSTA: A text mining approach | |
| Saggion et al. | Can text summaries help predict ratings? a case study of movie reviews |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 510000 room 7, Tong Dong Road, Tianhe District, Guangzhou, Guangdong C305-308 Applicant after: Yunrun Da Data Service Co.,Ltd. Address before: 510000 room 7, Tong Dong Road, Tianhe District, Guangzhou, Guangdong C305-308 Applicant before: GUANGZHOU URUN BIG DATA SERVICE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An event timeline mining method and system Effective date of registration: 20210325 Granted publication date: 20201027 Pledgee: Qianjin sub branch of Bank of Guangzhou Co.,Ltd. Pledgor: Yunrun Da Data Service Co.,Ltd. Registration number: Y2021440000102 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220822 Granted publication date: 20201027 Pledgee: Qianjin sub branch of Bank of Guangzhou Co.,Ltd. Pledgor: Yunrun Da Data Service Co.,Ltd. Registration number: Y2021440000102 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An event timeline mining method and system Effective date of registration: 20220824 Granted publication date: 20201027 Pledgee: Chepi Road Branch of Guangzhou Bank Co.,Ltd. Pledgor: Yunrun Da Data Service Co.,Ltd. Registration number: Y2022980013458 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230206 Granted publication date: 20201027 Pledgee: Chepi Road Branch of Guangzhou Bank Co.,Ltd. Pledgor: Yunrun Da Data Service Co.,Ltd. Registration number: Y2022980013458 |