發(fā)布時間：2022-09-17 11:41

　　突然事件的發(fā)生不僅會擾亂社會秩序,而且損壞人民群眾生命財產(chǎn),對社會造成嚴(yán)重危害的同時對公安維護社會穩(wěn)定工作和保護人民財產(chǎn)安全提出了嚴(yán)峻考驗。伴隨社交媒體快速發(fā)展,互聯(lián)網(wǎng)上突發(fā)事件信息數(shù)量也劇增。如何準(zhǔn)確地從大量無結(jié)構(gòu)事件信息中識別并抽取出突發(fā)事件信息,分析突發(fā)事件輿情趨勢,歷來受到公安部門重視。本文調(diào)研了國內(nèi)外研究現(xiàn)狀,深入分析了現(xiàn)有的突發(fā)事件抽取方法,針對微博文本中突發(fā)事件抽取和要素抽取與事件類型分類預(yù)測兩個主要方面展開研究,并提出多分類突發(fā)事件抽取模型和數(shù)據(jù)加權(quán)優(yōu)化事件類型分類方法,對于抽取突發(fā)事件信息,減少基層民警工作量具有積極輔助作用。全文主要研究工作如下:首先,文中結(jié)合現(xiàn)有突發(fā)事件抽取現(xiàn)狀提出一種新的突發(fā)事件抽取模型,并據(jù)此抽取突發(fā)事件相關(guān)信息。現(xiàn)有突發(fā)事件抽取模型較多采用級聯(lián)方式,弊端是事件信息利用不足,容易產(chǎn)生級聯(lián)誤差,同時語法、句法分析受限于未登錄詞和專家經(jīng)驗等導(dǎo)致抽取結(jié)果并不理想。文中通過對文本中詞性特征、語義關(guān)系等進行挖掘,并結(jié)合谷歌公司新提出的詞向量訓(xùn)練模型——BERT模型,采用多層長短期記憶網(wǎng)絡(luò)LSTM結(jié)構(gòu)抽取候選事件句特征,生成候選短語向量并通過多分類方式取代... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
引言
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本文具體章節(jié)安排
2 事件抽取相關(guān)理論分析
    2.1 突發(fā)事件定義及目標(biāo)抽取
    2.2 事件抽取主流方法
    2.3 文本處理及特征選擇
    2.4 本章小結(jié)
3 基于多分類模型的微博文本突發(fā)事件抽取
    3.1 突發(fā)事件抽取任務(wù)描述
    3.2 多分類模型概述
        3.2.1 文本向量化
        3.2.2 短語向量表示
        3.2.3 任務(wù)聯(lián)合建模
        3.2.4 短語剪枝優(yōu)化
    3.3 實驗與分析
        3.3.1 數(shù)據(jù)集分析
        3.3.2 實驗測評指標(biāo)
        3.3.3 對比實驗分析
    3.4 本章小結(jié)
4 微博文本中突發(fā)事件要素抽取與分類預(yù)測
    4.1 事件要素抽取與類型分類預(yù)測意義
    4.2 要素抽取與分類預(yù)測模型
        4.2.1 數(shù)據(jù)預(yù)處理階段
        4.2.2 數(shù)據(jù)加權(quán)優(yōu)化
    4.3 數(shù)據(jù)訓(xùn)練預(yù)測
    4.4 實驗與分析
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 工作結(jié)論
    5.2 未來展望
參考文獻
在學(xué)研究成果
致謝


【參考文獻】：
期刊論文
[1]新浪微博博主話語權(quán)的建構(gòu)與消解[J]. 楊振.  視聽. 2020(01)
[2]基于BERT-IDCNN-CRF的中文命名實體識別方法[J]. 李妮,關(guān)煥梅,楊飄,董文永.  山東大學(xué)學(xué)報(理學(xué)版). 2020(01)
[3]論數(shù)據(jù)挖掘在涉警輿情監(jiān)測中的應(yīng)用[J]. 曹略耕.  森林公安. 2019(05)
[4]對恐怖襲擊事件的多元統(tǒng)計分析[J]. 謝振東,文帆,周子雅,歐輝.  經(jīng)濟數(shù)學(xué). 2019(03)
[5]CNNIC發(fā)布第44次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[J]. 于朝暉.  網(wǎng)信軍民融合. 2019(09)
[6]元事件抽取研究綜述[J]. 高李政,周剛,羅軍勇,蘭明敬.  計算機科學(xué). 2019(08)
[7]大數(shù)據(jù)時代下對公安信息化的再思考[J]. 張濤,陸娟.  公安教育. 2019(06)
[8]大數(shù)據(jù)時代的數(shù)據(jù)挖掘綜述[J]. 蔡萌萌,張巍巍,王泓霖.  價值工程. 2019(05)
[9]基于文體和詞表的突發(fā)事件信息抽取研究[J]. 邱奇志,周三三,劉長發(fā),陳暉.  中文信息學(xué)報. 2018(09)
[10]基于遞歸神經(jīng)網(wǎng)絡(luò)的中文事件檢測[J]. 馬晨曦,陳興蜀,王文賢,王海舟.  信息網(wǎng)絡(luò)安全. 2018(05)

博士論文
[1]面向事件的文本知識發(fā)現(xiàn)與表示[D]. 王先傳.上海大學(xué) 2017
[2]事件本體及其在查詢擴展中的應(yīng)用[D]. 仲兆滿.上海大學(xué) 2011
[3]自由文本的信息抽取模式獲取的研究[D]. 姜吉發(fā).中國科學(xué)院研究生院（計算技術(shù)研究所） 2004

碩士論文
[1]突發(fā)事件網(wǎng)絡(luò)信息抽取和可視化技術(shù)研究[D]. 趙軍磊.華僑大學(xué) 2019
[2]面向突發(fā)事件的事件識別及其應(yīng)用研究[D]. 劉天琪.安徽理工大學(xué) 2018
[3]基于多特征融合的微博突發(fā)事件檢測方法研究[D]. 王建.北京信息科技大學(xué) 2018
[4]基于深度學(xué)習(xí)的中文文本情感分析[D]. 汪健.國防科技大學(xué) 2017
[5]基于數(shù)據(jù)挖掘技術(shù)的公安信息分析系統(tǒng)設(shè)計與實現(xiàn)[D]. 周錦宇.湖南大學(xué) 2016
[6]基于微博的突發(fā)事件檢測研究[D]. 李紅梅.南京理工大學(xué) 2016
[7]互聯(lián)網(wǎng)熱點事件挖掘技術(shù)的研究與應(yīng)用[D]. 趙連鍇.華南理工大學(xué) 2016
[8]面向微博文本的事件抽取[D]. 陳亮宇.東南大學(xué) 2015
[9]社會網(wǎng)絡(luò)中的微博用戶推薦算法研究[D]. 徐華華.華中科技大學(xué) 2013
[10]基于事件框架的突發(fā)事件信息抽取[D]. 馮禮.上海交通大學(xué) 2008



本文編號：3679162