融合语义与事件特征的重大事件趋势预测

• 作者: 彭俊利 彭冬亮 彭博远 谷雨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 重大事件 趋势预测 主题模型 事件抽取 特征融合
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 173-180
• 页数: 8页
• 分类号: TP181
• 字数: 9015字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1906-0333

摘要

针对当前基于海量公开新闻数据的重大事件趋势预测研究在特征选择上的局限性问题,结合人工智能相关技术对现有方法进行优化改进,提出一种融合语义与事件特征的重大事件趋势预测方法.利用网络爬虫技术辅助数据采集;利用主题模型与事件抽取技术辅助海量新闻数据的特征集构建与向量表示,并针对LDA主题模型在特征词提取上存在偏向性的问题,提出一种改进模型IDFLDA;利用机器学习分类模型进行预测结果输出.以朝鲜核行为预测为例对提出方法进行验证,预测结果表明,该方法的预测性能优于依赖专家知识进行特征集构建的传统方法,能有效进行重大事件的趋势预测,为战略决策提供辅助支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭冬亮	杭州电子科技大学自动化学院	70	406	11.0	17.0
2	谷雨	杭州电子科技大学自动化学院	42	201	7.0	12.0
3	彭博远	杭州电子科技大学自动化学院	2	0	0.0	0.0
4	彭俊利	杭州电子科技大学自动化学院	3	0	0.0	0.0