基于非线性规划理论的事件主题词过滤方法

doi:10.3772/j.issn.1000-0135.2018.01.007

情报学报

2018, Vol. 37

Issue (1): 61-67 DOI: 10.3772/j.issn.1000-0135.2018.01.007

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

基于非线性规划理论的事件主题词过滤方法

高影繁¹, 苏娜², 张运良¹, 韩红旗¹

1. 中国科学技术信息研究所,北京 100038;
2. 中国科学院科技战略咨询研究院,北京 100190

A Method of Event Subject Words Filtering Based on Nonlinear Programming Theory

GAO Yingfan¹, SU Na², ZHANG Yunliang¹, HAN Hongqi¹

1. Institute of Scientific and Technical Information of China, Beijing 100038;
2. Institute of Science and Development, Chunese Acaolemy of Science, Beijing 100190

摘要
图/表
参考文献
相关文章 (12)

全文: PDF (429 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要本文提出一种基于非线性规划理论的突发事件主题词自动过滤方法。首先以左右邻接熵为主题短语的边界识别依据,选出更具信息量的短语作为候选主题词,然后通过将候选主题词回溯原始文档集合的方式过滤掉部分噪声词,最后采用基于非线性规划理论的函数,对抽取到的候选主题词按权重进行排序,选定更具突发事件类别表征能力的主题词。在几个类别突发事件语料上与传统的TF-IDF算法的对比实验结果说明了本文方法的有效性和实用价值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	高影繁
	苏娜
	张运良
	韩红旗

关键词 ：突发事件, 左右邻接熵, 噪声词过滤, 非线性规划理论

收稿日期: 2017-03-15

基金资助:国家科技支撑计划项目“面向科技情报分析的信息服务资源开发与支撑技术研究”（2015BAH25F01）

作者简介: 高影繁,女,1974年生,博士,副研究员,主要研究方向为文本挖掘、知识组织,E-mail：gaoyingf@istic.ac.cn;苏娜,女,1983年生,博士,助理研究员,主要研究方向为计算情报学理论方法与应用,科技评价与科技管理,E-mail： suna@casipm.ac.cn;张运良,1979年生,博士,研究员,主要研究方向为知识组织,E-mail：zhangyl@istic.ac.cn;韩红旗,1971年生,博士,副研究员,主要研究方向为数据挖掘,E-mail：hanhq@isitc.ac.cn。

引用本文:

高影繁, 苏娜, 张运良, 韩红旗. 基于非线性规划理论的事件主题词过滤方法[J]. 情报学报, 2018, 37(1): 61-67.
GAO Yingfan, SU Na, ZHANG Yunliang, HAN Hongqi. A Method of Event Subject Words Filtering Based on Nonlinear Programming Theory. 情报学报, 2018, 37(1): 61-67.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2018.01.007 或 https://qbxb.istic.ac.cn/CN/Y2018/V37/I1/61

[1] 范维澄. 国家突发公共事件应急管理中科学问题的思考和建议[J]. 中国科学基金, 2007, 21(2): 71-76.
[2] 陈飞, 刘奕群, 魏超, 等. 基于条件随机场方法的开放领域新词发现[J]. 软件学报, 2013, 24(5): 1051-1060.
[3] 陈平, 周昌乐, 练睿婷. 一种改进的KEA关键词抽取算法研究[J]. 心智与计算, 2011(2): 48-54.
[4] Popescu A M, Nguyen B, Etzioni O.OPINE: Extracting product features and opinions from reviews[C]// Proceedings of HLT/EMNLP on Demonstration. Stroudsburg: Association for Computational Linguistics, 2005: 32-33.
[5] 夏天. 词语位置加权TextRank的关键词抽取研究[J]. 现代图书情报技术, 2013(9): 30-34.
[6] 陈炯, 张永奎. 基于加权信息论的突发事件新闻主题抽取方法[J]. 计算机应用, 2008, 28(s1): 150-151.
[7] 张永奎, 李红娟. 基于类别关键词的突发事件新闻文本分类方法[J]. 计算机应用, 2008, 28(s1): 139-140, 143.
[8] 杨建林. 关键词选择策略及其对共词分析的影响[J]. 情报学报, 2014, 33(10): 1083-1090.
[9] 金保华,林青,吴怀广. 基于中文关键词提取的预案智能匹配方案[J]. 郑州轻工业学院学报(自然科学版), 2013, 28(2): 78-82, 86.
[10] 郑魁, 疏学明, 袁宏永. 网络舆情热点信息自动发现方法[J]. 计算机工程, 2010, 36(3): 4-6.
[11] 樊梦佳, 段东圣, 杜翠兰, 等. 统计与规则相融合的领域术语抽取算法[J]. 计算机应用研究, 2016, 33(8): 2282-2285, 2306.
[12] Kim K H, Choi S J.Label propagation through minimax paths for scalable semi-supervised learning[J]. Pattern Recognition Letters, 2014, 45: 17-25.
[13] Zhu X J, Ghahramani Z, Laffert J.Semi-supervised learning using Gaussian fields and harmonic functions[C]// Proceeding of the 20th International Conference on Machine Learning. Palo Alto: AAAI Press, 2003: 912-919.
[14] 孙新, 欧阳童, 严西敏, 等. 基于训练集裁剪的加权K近邻文本分类算法[J]. 情报工程, 2016(6): 8-16.
[15] 姚恩瑜, 何勇, 陈仕平. 数学规划与组合优化[M]. 杭州: 浙江大学出版社, 2001: 10.
[16] Nemhause G L, Wolsey L A.Integer and combinatorial optimization[M]. New York: John Wiley and Sons, 1999.