技術(shù)特征：
1.一種面向中文新聞文本的事件地點(diǎn)抽取方法，其特征在于，包括如下步驟：步驟一：候選事件地點(diǎn)抽取(1)首先，利用ICTCLAS中文分詞工具對(duì)中文新聞文本T進(jìn)行分詞，生成一個(gè)由二元組構(gòu)成的序列ST＝(w1，p1)，(w2，p2)，...，(wi，pi)，...，(wn，pn)，其中，n表示切分出的詞匯的個(gè)數(shù)，n＞0，ωi表示ICTCLAS切分出的詞匯，pi表示wi的詞性；(2)從ST中依次選擇所有滿足pi＝"ni"、pi＝"nl"、pi＝"ns"三種情況之一的二元組，pi＝"ni"、pi＝"nl"、pi＝"ns"分別表示對(duì)應(yīng)的wi為機(jī)構(gòu)名、處所名詞、地名；所有被選中的二元組中的wi構(gòu)成一個(gè)集合WT＝{w′1，w′2，...，w′j，...，w′m}，WT將作為候選事件地點(diǎn)的集合，m表示W(wǎng)T中詞匯的個(gè)數(shù)，m＞0；步驟二：特征向量構(gòu)建對(duì)于集合WT中的每個(gè)w′j，選擇三個(gè)特征,包括：w′j在新聞文本T中的上下文Context特征；w′j在新聞文本T中的位置特征；w′j在新聞文本T中的拓?fù)涮卣?；步驟三：事件地點(diǎn)識(shí)別選擇100-200個(gè)特征向量，人工為每個(gè)特征向量標(biāo)注一個(gè)類(lèi)標(biāo)簽(事件地點(diǎn)與非事件地點(diǎn))，形成一個(gè)訓(xùn)練數(shù)據(jù)集；采用RandomForest分類(lèi)器訓(xùn)練一個(gè)分類(lèi)器，利用該分類(lèi)器將集合WT中的每個(gè)w′j按照事件地點(diǎn)與非事件地點(diǎn)進(jìn)行二值分類(lèi)，從而實(shí)現(xiàn)事件地點(diǎn)的抽??；所述的步驟二中所述的w′j在新聞文本T中的上下文Context特征；w′j在新聞文本T中的位置特征；w′j在新聞文本T中的拓?fù)涮卣鳎齻€(gè)特征的計(jì)算如下：特征一：w′j在新聞文本T中的上下文特征cjw′j在新聞文本T中的上下文特征用w′j所匹配的正則表達(dá)式的權(quán)重表示，記為cj；(1)若w′j在新聞文本T中能夠匹配下表中的某個(gè)正則表達(dá)式，假設(shè)為第k個(gè)，則cj＝ak；ak表示“若詞匯匹配第k個(gè)正則表達(dá)式，則該詞匯是事件地點(diǎn)的比率”，ak的計(jì)算公式為：ak＝|Lk|/|Sk|，其中，Sk表示標(biāo)注數(shù)據(jù)中能成功匹配第k個(gè)正則表達(dá)式的所有詞匯的集合，Lk表示屬于Sk且在標(biāo)注數(shù)據(jù)中是事件地點(diǎn)的詞匯構(gòu)成的集合，標(biāo)注數(shù)據(jù)是指人工標(biāo)注了事件地點(diǎn)的新聞文本集；(2)若w′j在新聞文本T中能夠匹配下表中的多個(gè)正則表達(dá)式，設(shè)為第k1，k2，...，kl(l＞1)個(gè)正則表達(dá)式，則(3)若w′j在新聞文本T中不能匹配下表中的正則表達(dá)式，則cj＝0；特征二：w′j在新聞文本T中的位置特征pjpj＝loc(w′j，T),其中，loc(w′j，T)表示詞匯w′j在新聞文本T中首次出現(xiàn)的位置，即從文本T起始處到詞匯w′j第一次出現(xiàn)位置之間的字?jǐn)?shù)；特征三：w′j在新聞文本T中的拓?fù)涮卣鱰j初始化空集合E；對(duì)于任意二元組(w′j，w′i)∈WT×WT且，執(zhí)行以下兩個(gè)步驟：STEP1：將字符串“http://www.baike.com/wiki/”與w′j組成URL，下載該URL對(duì)應(yīng)的頁(yè)面；若下載不到，則不處理二元組(w′j，w′i)；STEP2：利用正則表達(dá)式/<a[^>]*？href＝["']？([^'">]*)['"]？[^>]*？>(.*？)</a>/ig匹配頁(yè)面文件，獲取所有錨文本；若錨文本中包含w′i，則把E∪{(w′j，w′i)}的結(jié)果賦給E；對(duì)于任意二元組(w′j，w′i)∈WT×WT且，執(zhí)行上述兩個(gè)步驟后，生成以WT為結(jié)點(diǎn)集合，E為有向邊集合的有向圖G；對(duì)任意w′j∈WT,計(jì)算其聚集系數(shù)C(w′j)，聚集系數(shù)用于衡量不同結(jié)點(diǎn)之間連接的緊密程度；上式中，GΔ(w′j)表示G中包含w′j的閉三點(diǎn)組的數(shù)量，G∧(w′j)為表示G中包含w′j的開(kāi)三點(diǎn)組的數(shù)量；閉三點(diǎn)組指圖中任意兩兩相連的三個(gè)結(jié)點(diǎn)，開(kāi)三點(diǎn)組指圖中被兩條邊連接起來(lái)的三個(gè)結(jié)點(diǎn)；令w′j在新聞文本T中的拓?fù)涮卣鱰j為C(w′j),即tj＝C(w′j)；利用w′j在新聞文本T中的上下文特征、位置特征、拓?fù)涮卣?，?gòu)建w′j的三維特征向量(cj，pj，tj)。