面向新闻的发生地抽取研究.pdf

摘要

从新闻中抽取出的发生地对于舆论溯源与检索信息有所帮助，目前针对发生

地抽取的研究较少，大部分学者致力于抽取出新闻中包含的地名或是新闻事件的

抽取。命名实体识别技术无法判断哪个地名是新闻发生地，而新闻事件的抽取无法

保证一定能抽取出所有的事件要素。因此，本文针对抽取出新闻发生地这一研究任

务，为其构造了多个不同的特征，并使用两种抽取方式进行发生地抽取。

本文的主要工作流程为以下几步：（1）对文本进行预处理；（2）新闻中所有地

名与人名的识别；（3）人工标注并将其转为机器能够识别的标签；（4）知识图谱构

建；（5）计算特征向量；（6）训练模型并实验评估抽取效果。其中本文的知识图谱

使用基于关系抽取模型构建，主要用于发现地名之间的包含关系，帮助构建地名森

林。

本文从两个角度解释发生地抽取任务。其一，本文把发生地抽取看成是一个二

分问题，将文章中的每个地名词进行二分分类，识别其是发生地或非发生地。其二，

本文把发生地抽取作为一个序列标注问题来解决，预测新闻中每个词的标签，从而

找到新闻发生地。对于二分问题，本文选取了随机森林进行建模。从新闻中抽取出

所有的地名词，并为其构建特征向量，使用这些特征向量训练二分模型。对于序列

标注问题，本文使用LSTM模型，其输入是包含词向量的特征向量集合，输出是

每个词的标签。

经实验验证，二分分类的评估结果整体上好于LSTM的结果，其准确率略低

于LSTM的准确率，为93.1%；但其F1值较高，为93.4%。并通过对比实验发现

本文的评估结果要略优于近期的相似研究。

关键词：发生地；随机森林；LSTM；知识图谱

Abstract

Locationsextractedfromnewseventcanbehelpfulfortracingthesourceofpublic

opinion,retrievinginformation,etc.Fornow,thereisonlyfewworksconcentratingon

eventlocationextraction,mostresearchersfocusontheextractionoflocationsandnews

event.Namedentityrecognitioncannottellwhichlocationistheeventlocation,andnews

eventextractioncannotmakesurethatalltheelementscanbeextracted.Therefore,to

extracttheeventlocation,weutilizemanyfeatureswithtwoextractionmethodsto

completethetaskofeventlocationextraction.

Theworkflowofourapproachisasfollows:(1)preprocessthenews;(2)extractall

thelocationsandpeoplefromthenews;(3)labelthenewsmanuallyandthenconvertthe

labelsintomachinerecognizedlabels;(4)constructknowledgegraph;(5)computethe

featurevectorforeachword;(6)trainandevaluatethemodel.Knowledgegraph,which

isconstructedwithrelationextractionmodel,isusedtofindtheinclusionrelationof

locationsandbuildlocationforest.

Inthiswork,weexplaintheeventlocationex