刘 炜，王 旭，张雨嘉，刘宗田

(上海大学 计算机工程与科学学院，上海 200444)

一种面向突发事件的文本语料自动标注方法

刘 炜，王 旭，张雨嘉，刘宗田

(上海大学 计算机工程与科学学院，上海 200444)

事件语料库是研究语义Web中事件知识的抽取、表示、推理和挖掘的基础和关键技术之一。该文以事件作为文本知识单元，在LTP分析的基础上，用序列模式挖掘算法PrefixSpan从现有的小规模语料库中挖掘事件要素的词性规则等，用同义词词林(扩展版)对触发词表进行了扩充，结合自定义的事件要素词典，采用多遍过滤、逐遍完善的思想提出一种针对大规模突发事件语料库构建的自动标注方法，在实验部分不仅与人工标注做了对比，同时与Stanford CoreNLP NER进行了对比，实验效果理想。

突发事件；语料库；自动标注

1 引言

当前，国内外各类突发事件频发，反映在互联网上则是各类新闻、社交网站关于突发事件的信息呈现爆发式增长。通过对海量突发事件信息的结构化处理和语义分析实现突发事件的判断和预测具有重要意义。传统的文本分析手段局限于样本数量和定性研究，无法适应大数据时代在内容挖掘上对广度和深度的要求[1]。语料库的分析方法，符合大数据的思维逻辑，通过对海量文本数据的处理，可以对文本内容进行深入挖掘，而不仅仅局限于表层研究或定性分析。通过构建突发事件语料库，可以对突发事件对象进行分析，确定突发事件领域的概念以及概念之间的语义关系，从而可构建针对突发事件的领域本体模型，并进行推理应用。……