基于命名实体敏感的分层新闻故事线生成方法

樊笑冰,饶 元，王 硕，李睿祥，刘旭辉

(1. 西安交通大学 软件学院 社会智能与复杂数据处理实验室，陕西 西安 710049;2. 西安交通大学 深圳研究院，广东 深圳 518057)

0 前言

社会网络的迅速发展为人们高效地获取新闻信息提供了便捷途径，但这些信息海量、无序且碎片化的特征，给人们从中完整地获取一个新闻事件的发展动态带来了一定难度。尤其是新闻事件往往具有层次化的特征，如针对“汶川地震”事件的新闻报道中，包括了实时灾情、各方捐助、英雄事迹等不同层次的信息。单纯获取事件相关新闻，无法准确有效把握新闻事件的线索和发展脉络。另外，新闻要素可能是新闻报道的核心，如在“汶川地震”事件中英雄事迹相关的报道是围绕人物进行展开介绍的，若以事件为线索构建故事线可能会造成主次倒置。因此，在挖掘细粒度事件的特征中，突出新闻要素的重要性，从多视点构建故事线，帮助人们全方位理解事件的发展脉络具有重大的研究价值。

近年来，针对故事线生成的相关问题与核心技术已存在大量研究。其中，Guo等[1]提出了Crowd Story模型，通过文本相似性和时间相似性将事件划分为几个方面，有效体现出事件的层次化特性。Yuan 等[2]引入一种基于地理信息的聚类方法，从空间角度构建故事线。Huang等[3]提出一种检索与特定事件相关的新闻文章并生成故事情节的新方法(UNEE)，依靠人工检索获取事件，依赖于命名实体共现关系划分子事件，强调了命名实体的作用。……