面向社交网络的中文事件抽取与预测研究

Event is the basic semantic element of the social opinion, extracting events from large scale texts and then computing their confidences is found mental to analyze the social opinion timely and effectively. The key issue is how to predict the unknown event, and how to integrate social information. This project aims to exatract and predict new events, by integrating both textual and social infomration, and following the natural of Chinese language. The contributions of this project are as follows: Firstly, we integrate social information to learn the sub-tasks of event extraction jointly, by learning the shared representation and correlations between subtasks. Secondly, we propose a neural hierarchical model to integrate temporal, textual, and social information for event forecasting, by constructing the hierarchical and temporal relations between events. The project is helpful and meaningful to promote development of the semantic knowledge acquisition for the social opinion analysis.

事件作为表述社会舆情语义的基本要素，从海量文本中抽取与预测事件是快速、及时、高效地分析社会舆情的基础。目前存在的问题是如何进行未知事件的预测以及如何结合用户信息进行事件的分析。基于此，本项目将结合社交网络上的文本和用户信息，根据中文所特有的语言特点，研究面向社会舆情的中文事件抽取及未知事件预测。主要研究内容包括：一方面，我们结合社交媒体上的文本和用户信息，构建事件抽取中的不同子任务之间的共享表示和上下位关联，提出利用深度学习模型解决事件抽取中的多个子任务联合学习。另一方面，我们提出了基于层次时序结果的深度学习模型，构建事件之间基于文本和事件的层次关系和与基于时序的联系，充分利用文本和时序信息进行未知事件预测。本项目对于推动面向社会舆情分析的语义知识获取，具有重要的科学意义。

事件作为表述社会舆情语义的基本要素，从海量文本中抽取与预测事件是快速、及时、高效地分析社会舆情的基础。在三年的研究期间，本项目主要进行以下内容的研究工作：1）扩展已有中文事件抽取的相关理论，提出一种新的结合多层次信息的中文事件表示方法，通过基于字到词，词到句子，之间的相互关联关系，从而实现对于中文文本的有效表示，并可以实现从表示层面构建事件触发词与论元之间的关联关系；2）针对中英文文本分别收集与标注了一个新的结合多模态信息的突发事件分析语料库。通过构建上述语料库，能够有效的对于社交网络上的突发事件进行识别，并能够有效的对于突发事件中表达的事件触发词与论元进行抽取。3）提出并实现了一套面向突发事件的事件抽取与预测的一体化计算模型。在此基础上，进行相关应用，并构建了一个突发事件分析平台，可以为突发事件分析与预测等任务提供有力的支撑。..三年来，项目进展顺利，项目组按期、保质完成了项目主要计划及目标。