面向新聞專題的事件脈絡(luò)持續(xù)跟蹤構(gòu)建方法

歐偉明 翟利志 路瑜亮 周云 萇軍紅 韓彥忠

摘要：通過構(gòu)建新聞專題的事件脈絡(luò)，可以輔助讀者識別事件演化發(fā)展階段，把控事件的全局性信息。隨著專題事件的演化發(fā)展，相關(guān)新聞會(huì)持續(xù)不斷出現(xiàn)對事件進(jìn)行報(bào)道。為了保障事件脈絡(luò)的完整性和時(shí)效性，需要從最新新聞數(shù)據(jù)流中追蹤相關(guān)新聞，對事件脈絡(luò)進(jìn)行持續(xù)跟蹤更新。提出了一種面向新聞的專題事件脈絡(luò)持續(xù)跟蹤構(gòu)建方法，采用K-means聚類和基于凝聚式的層次聚類方法檢測事件發(fā)展階段，構(gòu)建以時(shí)間為主線、各發(fā)展階段為分支的事件發(fā)展演化脈絡(luò)，保障事件脈絡(luò)的完整性和連續(xù)性；綜合實(shí)體、關(guān)鍵詞和文本3個(gè)維度的相似度特征從新聞數(shù)據(jù)流中持續(xù)跟蹤與專題事件相關(guān)的新聞數(shù)據(jù)，將追蹤到的新聞事件同時(shí)更新到事件文本向量和已構(gòu)建的事件脈絡(luò)中，實(shí)現(xiàn)對事件脈絡(luò)的持續(xù)跟蹤構(gòu)建。

關(guān)鍵詞：事件脈絡(luò)；新聞專題；事件跟蹤；文本聚類

中圖分類號：TP319文獻(xiàn)標(biāo)志碼：A文章編號：1008-1739（2022）20-61-8

0引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們很容易獲取關(guān)于事件詳情的新聞信息。海量且紛繁的新聞使讀者容易迷失在局部信息中，難以獲得總結(jié)性的信息，喪失對信息的全局把控。因此，檢測新聞事件演化發(fā)展的關(guān)鍵階段，通過事件之間存在的時(shí)序以及邏輯關(guān)系等特征，形成整個(gè)新聞事件在發(fā)生與發(fā)展全生命周期中的一個(gè)完整的多層次事件脈絡(luò)，是迫切需要解決的問題。Nallapati等[1]提出事件脈絡(luò)的觀點(diǎn)，通過事件模型捕捉新聞主題中事件的豐富結(jié)構(gòu)及其依賴性。隨著專題事件的持續(xù)演化發(fā)展，會(huì)持續(xù)不斷出現(xiàn)對事件的報(bào)道。現(xiàn)有的事件脈絡(luò)構(gòu)建研究都是基于已有的歷史新聞構(gòu)建事件脈絡(luò)，沒有對新聞數(shù)據(jù)進(jìn)行持續(xù)跟蹤，不能持續(xù)跟進(jìn)事件發(fā)展演化動(dòng)態(tài)，構(gòu)建的事件脈絡(luò)也不能持續(xù)自動(dòng)更新，事件脈絡(luò)缺乏時(shí)效性和完整性。

針對上述問題，本文提出了一種面向新聞專題的事件脈絡(luò)持續(xù)跟蹤構(gòu)建方法。首先，對已有專題事件的相關(guān)新聞文本進(jìn)行分詞等預(yù)處理；其次，采用K-means聚類和基于凝聚式的層次聚類方法檢測事件發(fā)展階段，構(gòu)建以時(shí)間為主線，各發(fā)展階段為分支的事件發(fā)展演化脈絡(luò)，保障事件脈絡(luò)的完整性和連續(xù)性；然后，綜合實(shí)體、關(guān)鍵詞和文本3個(gè)維度的相似度特征，從新聞數(shù)據(jù)流中持續(xù)跟蹤與專題事件相關(guān)的新聞數(shù)據(jù)，將追蹤到的新聞事件同時(shí)更新到事件相似庫和已構(gòu)建的事件脈絡(luò)中，實(shí)現(xiàn)對事件脈絡(luò)的持續(xù)跟蹤構(gòu)建。

1研究現(xiàn)狀

針對新聞信息嚴(yán)重過載，使得人們難以掌握事件發(fā)展演化關(guān)鍵階段的問題，國內(nèi)很多學(xué)者開始研究事件脈絡(luò)構(gòu)建方法，以便于全局把控事件的發(fā)展演化過程。模型按照所用到的算法，可分為2類：基于聚類算法的脈絡(luò)分析模型和基于圖優(yōu)化算法的脈絡(luò)分析模型。

Shou等[2]基于聚類算法對推文進(jìn)行聚類，通過TCV-Rank摘要技術(shù)生成任意時(shí)間段的在線摘要和歷史摘要，并自動(dòng)生成在線和歷史摘要時(shí)間軸。Vossen等[3]提出了一種將文本相似度、時(shí)間相似度和實(shí)體相似度相結(jié)合的檢索事件相關(guān)新聞的相似度計(jì)算方法，通過在事件的時(shí)間軸上添加與高潮點(diǎn)相關(guān)的橋接關(guān)系形成事件脈絡(luò)，提供了一個(gè)將事件時(shí)間序列表示為故事線的形式化模型，并實(shí)現(xiàn)了從大量新聞流中為該模型提取數(shù)據(jù)。Bin等[4]提出了一種基于多線索的細(xì)粒度事件摘要方法，構(gòu)建一個(gè)個(gè)細(xì)粒度的、進(jìn)化的、關(guān)聯(lián)豐富的事件脈絡(luò)。Liu等[5]采用2層文檔聚類方法生成故事樹，自動(dòng)將數(shù)據(jù)流聚集成事件，同時(shí)將樹中相關(guān)的事件連接起來，描述事件的發(fā)展脈絡(luò)。Lin等[6]通過圖優(yōu)化算法從微博數(shù)據(jù)中提取事件脈絡(luò)，有效改善脈絡(luò)不連貫問題。Shen等[7]利用圖優(yōu)化算法對網(wǎng)絡(luò)新聞多文檔摘要建模，建立各摘要之間的聯(lián)系。付佳兵等[8]提出了一種基于詞覆蓋的新聞事件脈絡(luò)鏈構(gòu)建方法，利用新聞的評論信息來定位新聞事件的轉(zhuǎn)折點(diǎn)，用主題相似與稀疏差異的思想以及RPCA方法對文檔進(jìn)行邏輯建模，利用隨機(jī)游走以及圖遍歷的方法，量化并生成可解釋且具有很好邏輯連貫性的脈絡(luò)鏈。陳黎明等[9]對相關(guān)新聞進(jìn)行動(dòng)態(tài)追蹤時(shí)，根據(jù)新聞關(guān)鍵詞的詞頻-逆類別頻率（TF-ICF）和熱度對事件關(guān)鍵詞進(jìn)行反饋更新，采用有主干和分支的故事樹結(jié)構(gòu)展現(xiàn)事件發(fā)展脈絡(luò)，利用新聞熱詞定位事件發(fā)展的關(guān)鍵節(jié)點(diǎn)，生成故事的主干結(jié)構(gòu)。樊笑冰等[10]提出基于命名實(shí)體敏感的分層新聞故事線生成方法，在無監(jiān)督的情況下充分利用新聞信息構(gòu)造層次化、多視點(diǎn)的事件脈絡(luò)。

上述事件脈絡(luò)構(gòu)建方法都是面向當(dāng)前的歷史新聞，沒有持續(xù)跟蹤最新相關(guān)新聞數(shù)據(jù)，不能持續(xù)跟進(jìn)事件發(fā)展演化動(dòng)態(tài)，構(gòu)建的事件脈絡(luò)缺乏完整性。事件追蹤作為傳統(tǒng)TDT的子任務(wù)，對新聞媒體信息流進(jìn)行已知話題的持續(xù)跟蹤，被廣泛用于獲取事件相關(guān)的信息。馮軍等軍[11]提出了基于樸素貝葉斯網(wǎng)絡(luò)模型的微博話題追蹤算法，在改進(jìn)型DF的文本特征選擇方法的基礎(chǔ)上，通過構(gòu)建樸素貝葉斯網(wǎng)絡(luò)模型，設(shè)計(jì)并實(shí)現(xiàn)對微博話題的追蹤系統(tǒng)。陳黎明等[12]提出了一種基于關(guān)鍵詞的話題追蹤方法，利用有話題傾向性的關(guān)鍵詞來表示新聞文本進(jìn)而提升話題追蹤效果，并采用基于詞活力的更新策略來動(dòng)態(tài)調(diào)整話題關(guān)鍵詞。屈慶濤[13]使用N-Gram語言模型，利用新聞報(bào)道中詞語間的語序關(guān)系進(jìn)行文本表示，根據(jù)貝葉斯分類算法進(jìn)行話題追蹤。

相比于以往的事件脈絡(luò)構(gòu)建方法，本文綜合實(shí)體、關(guān)鍵詞和文本3個(gè)維度的相似度特征對新聞事件持續(xù)跟蹤，并將追蹤到的新聞事件同時(shí)更新到事件相似庫和事件脈絡(luò)中，實(shí)現(xiàn)對事件脈絡(luò)的持續(xù)跟蹤構(gòu)建，更能體現(xiàn)事件演化發(fā)展的完整性。

2術(shù)語定義與研究目標(biāo)

2.1術(shù)語定義

陳黎明等[9]對事件脈絡(luò)相關(guān)的術(shù)語做了定義，具體如下所示。

4.2事件脈絡(luò)跟蹤更新

構(gòu)建事件脈絡(luò)后，從新增新聞數(shù)據(jù)流中跟蹤與該專題事件相關(guān)的新聞數(shù)據(jù)，并將追蹤到的新聞數(shù)據(jù)更新到已構(gòu)建的事件脈絡(luò)中。從新聞網(wǎng)站上爬取的32篇新聞數(shù)據(jù)作為干擾新聞數(shù)據(jù)，將這些干擾數(shù)據(jù)與新聞專題的17篇新增新聞數(shù)據(jù)合并在一起作為新增新聞數(shù)據(jù)流，進(jìn)行事件脈絡(luò)跟蹤更新實(shí)驗(yàn)。

圖4展示了從新增新聞數(shù)據(jù)流中追蹤到相關(guān)新聞數(shù)據(jù)后，對事件脈絡(luò)的更新結(jié)果。實(shí)驗(yàn)結(jié)果顯示，這17篇新聞數(shù)據(jù)均被追蹤到“馬來西亞亞航客機(jī)失聯(lián)”新聞專題中，在新事件脈絡(luò)中增加了2個(gè)新的子事件“印尼調(diào)查員駁斥亞航客機(jī)墜海前爆炸之說”和“亞航客機(jī)事故調(diào)查將涉及傳感器失靈問題”，并將追到的新聞數(shù)據(jù)更新到已有的子事件中，實(shí)現(xiàn)了對事件脈絡(luò)的持續(xù)跟蹤構(gòu)建。

5結(jié)束語

針對新聞專題事件脈絡(luò)的完整性和時(shí)效性問題，提出了一種事件脈絡(luò)持續(xù)跟蹤構(gòu)建方法，通過聚類算法將零散的新聞聚合成事件分支和子事件，實(shí)現(xiàn)多層次的事件脈絡(luò)構(gòu)建。通過綜合實(shí)體、關(guān)鍵詞和文本3個(gè)維度的相似度特征從新聞數(shù)據(jù)流中持續(xù)跟蹤與專題事件相關(guān)的新聞數(shù)據(jù)，將追蹤到的新聞事件同時(shí)更新到事件文本向量和已構(gòu)建的事件脈絡(luò)中，實(shí)現(xiàn)對事件脈絡(luò)的持續(xù)跟蹤更新，從而可以輔助讀者實(shí)時(shí)掌握新聞專題的演化、發(fā)展、變化的全周期過程。

當(dāng)前，事件脈絡(luò)構(gòu)建方法的聚類效果并不理想，該方法將不同的子事件或事件分支劃分為一個(gè)子事件或事件分支，導(dǎo)致事件階段缺失。后續(xù)需要針對該問題對事件脈絡(luò)構(gòu)建方法進(jìn)行進(jìn)一步研究，以構(gòu)建出一個(gè)兼顧低冗余事件階段和完整事件階段的事件脈絡(luò)。

參考文獻(xiàn)

[1] NALLAPATI R，F(xiàn)ENG A， PENG F C，et al.Event Threading Within News Topics[C]//Proceedings of the Thirteenth ACM on International Conference on Information and Knowledge Management， Washington D.C.： ACM， 2004： 446-453.

[2] SHOU L D，WANG Z H，CHEN K，et al. Sumblr： Continuous Summarization of Evolving Tweet Streams[C]//International ACM SIGIR Conference on Research & Development in Information Retrieval.NewYork：ACM， 2013：546-558.

[3] VOSSEN P，CASELLI T，KONTZOPOULOU Y. Storylines for Structuring Massive Streams of News[C]//First Workshop on Computing News Storylines.Beijing：ACL，2015：40-49.

[4] BIN G，OUYANG Y，ZHANG C，et al. CrowdStory： Fine-grained Event Storyline Generation by Fusion of Multi-modal Crowdsourced Data[C]//Proceedings of ACM Interactive，Mobile，Wearable and Ubiquitous Technologies. Las Vegas：ACM，2017：287-299.

[5] LIU B，NIU D， LAI K F，et al.Growing Story Forest Online from Massive Breaking News[C]//Proceedings of the 2017 ACM on Conference on Information and Knowledge Management.New York：ACM，2017：267-279.

[6] LIN C， LIN C， LI J X， et al. Generating Event Storylines from Microblogs[C]//Proceedings of the 21st ACM International Conference on Information and Knowledge Management.NewYork：ACM， 2012：389-402.

[7] SHEN C，LIT.Multi-document Summarization via the Minimum Dominating Set[C]//The 23rd International Conference on Computational Linguistics.Beijing：Association for Computational Linguistics，2010：467-479.

[8]付佳兵，董守斌.一種基于詞覆蓋的新聞事件脈絡(luò)鏈構(gòu)建方法[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，52（1）：104-112.

[9]陳黎明，黃瑞章，秦永彬，等.面向新聞事件的故事樹構(gòu)建方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2020，41（7）：1910-1919.

[10]樊笑冰，饒?jiān)醮T，等.基于命名實(shí)體敏感的分層新聞故事線生成方法[J].中文信息學(xué)報(bào)，2021，35（1）：113-124.

[11]馮軍軍，賀曉春，王海沛.基于樸素貝葉斯網(wǎng)絡(luò)的微博話題追蹤技術(shù)研究[J].計(jì)算機(jī)與數(shù)字工程，2017，45（11）： 2244-2247.

[12]陳黎明.面向網(wǎng)絡(luò)輿情的話題檢測與追蹤方法研究[D].貴陽：貴州大學(xué)，2020.

[13]屈慶濤，劉其成，牟春曉.基于N-Gram語言模型的并行自適應(yīng)新聞話題追蹤算法[J].山東大學(xué)學(xué)報(bào)（工學(xué)版）， 2018，48（6）：37-43.

[14]石劍飛，閆懷志，牛占云.基于凝聚的層次聚類算法的改進(jìn)[J].北京理工大學(xué)學(xué)報(bào)，2008（1）：66-69.

[15]黃瑞章，劉于雷，梁山雪.一種基于標(biāo)題高頻切分的新聞熱點(diǎn)短語提取方法：CN107562843A[P].2018-01-09[2022-07-10].