專利名稱：基于結(jié)構(gòu)化數(shù)據(jù)集合的標(biāo)注方法和裝置的制作方法
技術(shù)領(lǐng)域：
本公開涉及基于結(jié)構(gòu)化數(shù)據(jù)集合的標(biāo)注方法及其裝置。
背景技術(shù)：
當(dāng)前，用戶通過互聯(lián)網(wǎng)來分享他們在包括政治、金融、社會生活、教育、娛樂等各個 方面的思想、觀點(diǎn)和經(jīng)歷，由此，用戶在互聯(lián)網(wǎng)上在線產(chǎn)生的海量數(shù)據(jù)正以驚人的速度不斷 增長。無論何時，只要有關(guān)事件的新聞報道一出現(xiàn)，不管是官方報道還是聲明，人們通常都 會關(guān)注公眾對該事件的觀點(diǎn)的每一個細(xì)節(jié)，以及這些公眾觀點(diǎn)隨著時間的發(fā)展。對觀點(diǎn)挖掘技術(shù)的研究已經(jīng)進(jìn)行了幾十年，這種技術(shù)從諸如博客、wikis、和論壇 等的用戶生成的內(nèi)容中提取有關(guān)觀點(diǎn)的句子。通過這種技術(shù)，可以收集關(guān)于任何新聞事件 的很多用戶的觀點(diǎn)和意見。但是，通過這種技術(shù)收集到的都是一些沒有規(guī)則、簡單羅列出來的有關(guān)公眾觀點(diǎn) 的句子，使用起來不夠方便。

發(fā)明內(nèi)容
本公開提出了一種跟蹤標(biāo)注方法和跟蹤標(biāo)注裝置，能夠?qū)⒒ヂ?lián)網(wǎng)或者其它非網(wǎng)絡(luò) 媒體上出現(xiàn)的公眾觀點(diǎn)標(biāo)注到依據(jù)對特定事件的報道而形成的事件樹的相應(yīng)節(jié)點(diǎn)上。根據(jù)本公開的一個方面，提供了一種基于結(jié)構(gòu)化數(shù)據(jù)集合的跟蹤標(biāo)注方法，包括 基于事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立該結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型；獲取公眾針 對該事件的觀點(diǎn)；以及利用所生成的分類模型，將該觀點(diǎn)標(biāo)注到該結(jié)構(gòu)化數(shù)據(jù)集合的相應(yīng) 節(jié)點(diǎn)。根據(jù)本公開的另一個方面，還提供了一種基于結(jié)構(gòu)化數(shù)據(jù)集合的跟蹤標(biāo)注裝置， 包括模型生成單元，基于事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立該結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分 類模型；和觀點(diǎn)標(biāo)注單元，獲取公眾針對該事件的觀點(diǎn)，并利用所生成的分類模型，將該觀 點(diǎn)標(biāo)注到該結(jié)構(gòu)化數(shù)據(jù)集合的相應(yīng)節(jié)點(diǎn)。根據(jù)本公開的跟蹤標(biāo)注方法和跟蹤標(biāo)注裝置能夠向用戶提供針對每個事件具有 良好排列、突出重點(diǎn)的公眾觀點(diǎn)，并且能夠表現(xiàn)出公眾觀點(diǎn)隨著時間的進(jìn)展。


從下面結(jié)合附圖對本公開的實(shí)施例的詳細(xì)描述中，本公開的這些和/或其它方面 和優(yōu)點(diǎn)將變得更加清楚并更容易理解，其中圖1是示出建立的結(jié)構(gòu)化數(shù)據(jù)集合的視圖。圖2是示出建立的包含時間因素的結(jié)構(gòu)化數(shù)據(jù)集合的視圖。圖3是示出建立的官方報道的事件樹和搜索到的公眾觀點(diǎn)數(shù)據(jù)的圖示。圖4是根據(jù)本公開將公眾觀點(diǎn)數(shù)據(jù)對應(yīng)標(biāo)注到事件樹的相應(yīng)節(jié)點(diǎn)的跟蹤標(biāo)注裝 置的一個實(shí)施例的結(jié)構(gòu)圖。
圖5是根據(jù)本公開將公眾觀點(diǎn)數(shù)據(jù)對應(yīng)標(biāo)注到事件樹的相應(yīng)節(jié)點(diǎn)的跟蹤標(biāo)注裝 置的另一個實(shí)施例的結(jié)構(gòu)圖。圖6是根據(jù)本公開一個實(shí)施例的跟蹤標(biāo)注方法的流程圖。圖7是根據(jù)本公開另一個實(shí)施例的跟蹤標(biāo)注方法的流程圖。圖8是根據(jù)本公開再一個實(shí)施例的跟蹤標(biāo)注方法的流程圖。
具體實(shí)施例方式
下面將結(jié)合附圖詳細(xì)描述本公開的具體實(shí)施例。如果考慮到對某些相關(guān)現(xiàn)有技術(shù) 的詳細(xì)描述可能會混淆本公開的要點(diǎn)，則不會在這里提供其詳細(xì)描述。在各個實(shí)施例中，相 同的附圖標(biāo)記用于表示執(zhí)行相同功能的元件或單元。互聯(lián)網(wǎng)的用戶通過在例如計算機(jī)、便攜式電腦、移動電話、PDA(個人數(shù)字助理)等 各種電子設(shè)備的屏幕上顯示不同的網(wǎng)頁來瀏覽互聯(lián)網(wǎng)的內(nèi)容。網(wǎng)頁中含有各種內(nèi)容，例如， 網(wǎng)頁中可以顯示諸如鳳凰網(wǎng)、和訊網(wǎng)、新浪網(wǎng)等網(wǎng)絡(luò)媒體對“甲型Hmi流感”的官方報道。 在所顯示的官方報道中，包括關(guān)于“甲型Hmi流感”這個主題的各個副標(biāo)題，以及在各個副 標(biāo)題下，可以包含以文字、圖片、視頻、音頻等各種形式出現(xiàn)的多種報道消息。另外，在諸如報紙、雜志等平面媒體上，仍然可以出現(xiàn)上述形式的各種新聞事件的 報道。根據(jù)本公開的一個方面，可以針對上述各個媒體所報道的事件，建立結(jié)構(gòu)化數(shù)據(jù)
皇A
朱口 ο圖1是示出建立的結(jié)構(gòu)化數(shù)據(jù)集合的視圖。在圖1中，建立的結(jié)構(gòu)化數(shù)據(jù)集合表現(xiàn)為樹型結(jié)構(gòu)的事件樹。可以將事件樹看作 是數(shù)據(jù)集合。該事件樹中的各個節(jié)點(diǎn)代表所報道的同一事件的不同方面。例如，該事件樹 的根節(jié)點(diǎn)(一級節(jié)點(diǎn))是“甲型Hmi流感”，根節(jié)點(diǎn)選擇的關(guān)鍵詞是“甲型”、“mm”、“流感” 等。該事件樹的中間節(jié)點(diǎn)(二級節(jié)點(diǎn))是例如“焦點(diǎn)新聞”、“中國疫情”、“全球疫情”、“視頻 報道”、“應(yīng)對措施”、“防疫指南”、“網(wǎng)友記錄”、“媒體評論”等。在每個二級節(jié)點(diǎn)之下，再分 出若干個更下一級的節(jié)點(diǎn)(這里例如是三級節(jié)點(diǎn))，以包括該事件的具有更多細(xì)節(jié)的消息。 最末端的節(jié)點(diǎn)可以稱為葉節(jié)點(diǎn)，根節(jié)點(diǎn)和葉節(jié)點(diǎn)之間的各級節(jié)點(diǎn)可以稱為中間節(jié)點(diǎn)。圖2是示出建立的包含時間因素的結(jié)構(gòu)化數(shù)據(jù)集合的視圖。在圖2中，橫軸表示時間，縱軸表示事件分類。從根節(jié)點(diǎn)“甲型Hmi流感”中分支 出若干個二級節(jié)點(diǎn)，這些二級節(jié)點(diǎn)中的每個包括若干個三級節(jié)點(diǎn)。這些三級節(jié)點(diǎn)是以時間 順序排列的，例如，在二級節(jié)點(diǎn)“視頻報道”(見圖1)中，按照時間順序又包含了三級節(jié)點(diǎn) “衛(wèi)生部內(nèi)地確診24例甲型流感病例”、“北京再確診兩例甲型流感病例”、“甲型流感病例 主要分布在珠三角城市”、以及“北京新增19例甲型流感病例”等。針對網(wǎng)絡(luò)媒體對特定事件發(fā)布的官方報道建立事件樹的方法可以是例如，利用 關(guān)鍵詞分析網(wǎng)絡(luò)媒體的新聞網(wǎng)站報道特定事件的新聞網(wǎng)頁，由此來獲得官方報道的事件 樹。更具體地，從根節(jié)點(diǎn)到葉節(jié)點(diǎn)建立事件樹的過程可以按照從粗糙到細(xì)致的過程進(jìn)行，根 節(jié)點(diǎn)包括最概略的關(guān)鍵詞，以便搜索到與特定事件有關(guān)的所有相關(guān)報道，其使用的關(guān)鍵詞 可以從例如報道某一事件的標(biāo)題、副標(biāo)題中選取。根據(jù)前述實(shí)施例，根節(jié)點(diǎn)的關(guān)鍵詞可以選 取為“甲型”、“H1N1”、“流感”。中間節(jié)點(diǎn)和葉節(jié)點(diǎn)強(qiáng)調(diào)該事件的一個或者幾個方面，可以是對特定事件的官方評論等，其中具有更細(xì)節(jié)的消息，它們使用的關(guān)鍵詞與根節(jié)點(diǎn)使用的關(guān)鍵詞相互區(qū)別。例如，根據(jù)前述實(shí)施例，中間節(jié)點(diǎn)和葉節(jié)點(diǎn)的關(guān)鍵詞中不再使用上述用于根 節(jié)點(diǎn)的關(guān)鍵詞。根據(jù)本公開的一個實(shí)施例，建立對特定事件的官方報道的事件樹的過程可以是例 如首先利用最概略的關(guān)鍵詞在相關(guān)網(wǎng)頁上搜索網(wǎng)絡(luò)媒體對某一事件的官方報道，包括標(biāo) 題新聞以及官方評論等，由此建立事件樹的根節(jié)點(diǎn)，該根節(jié)點(diǎn)包括媒體(官方)發(fā)布的關(guān)于 該事件的最廣泛的報道；然后，在搜索到的所有報道消息的范圍內(nèi)，利用反映該事件的一個 或者幾個方面的關(guān)鍵詞進(jìn)行搜索，并將搜索到的所有報道消息分為多個類別，以建立中間 各級節(jié)點(diǎn)；最后，利用反映該事件的各個細(xì)節(jié)的關(guān)鍵詞，在已經(jīng)分類的各級報道消息的范圍 內(nèi)進(jìn)行搜索，以建立各個葉節(jié)點(diǎn)。建立事件樹的方法不對本公開的范圍構(gòu)成限制，對于來自非網(wǎng)絡(luò)媒體的數(shù)據(jù)，比 如報紙、檔案中針對某專題的歷史報道等，數(shù)據(jù)集合本身不具有顯式可提取的結(jié)構(gòu)特征，需 要采用其他方式來建立結(jié)構(gòu)化的事件樹，例如，層次聚類方法。層次聚類方法是利用數(shù)據(jù)的 時間、文本等特征，自底向上地(從葉節(jié)點(diǎn)到根節(jié)點(diǎn))將數(shù)據(jù)對象組成一棵聚類的樹，從而 得到一個樹型結(jié)構(gòu)的數(shù)據(jù)集合。樹型結(jié)構(gòu)的數(shù)據(jù)集合(事件樹)也不對本公開的范圍構(gòu)成限制，本公開的結(jié)構(gòu)化 數(shù)據(jù)集合可以表現(xiàn)為樹型結(jié)構(gòu)以外的其它形式，例如數(shù)據(jù)集合中的各個節(jié)點(diǎn)可以是平面網(wǎng) 狀結(jié)構(gòu)，也可以是三維網(wǎng)狀結(jié)構(gòu)等等。針對各個媒體所報道的各種事件消息，公眾可以通過各種平臺，例如是博客、論 壇、Wikis等，或者是非網(wǎng)絡(luò)媒體，來發(fā)表公眾的觀點(diǎn)。根據(jù)本公開的一個方面，可以利用在 建立基于事件的結(jié)構(gòu)化數(shù)據(jù)集合(事件樹)時使用的關(guān)鍵詞，在相關(guān)的網(wǎng)頁上進(jìn)行搜索，或 對非網(wǎng)絡(luò)媒體的內(nèi)容進(jìn)行分析，來獲得有關(guān)所報道的事件的公眾觀點(diǎn)數(shù)據(jù)。獲得公眾發(fā)表 的觀點(diǎn)的技術(shù)可以是本領(lǐng)域技術(shù)人員公知的技術(shù)，其不對本公開的范圍構(gòu)成限制。圖3是示出建立的事件樹和搜索到的公眾觀點(diǎn)數(shù)據(jù)的圖示。在圖3中，上面部分示出了所建立的事件樹，其中包括根節(jié)點(diǎn)和根節(jié)點(diǎn)的各個下 級節(jié)點(diǎn)(可以是若干級節(jié)點(diǎn))，下面部分則示出了搜索到的公眾觀點(diǎn)數(shù)據(jù)的平面結(jié)構(gòu)。根據(jù)本公開的一個方面，提供了將搜索到的公眾觀點(diǎn)數(shù)據(jù)標(biāo)注到事件樹的相應(yīng)節(jié) 點(diǎn)的跟蹤標(biāo)注方法和跟蹤標(biāo)注裝置，其中利用遞歸匹配的方法為公眾觀點(diǎn)數(shù)據(jù)尋找事件樹 中最匹配的節(jié)點(diǎn)。圖4是示出根據(jù)本公開的一個實(shí)施例將公眾觀點(diǎn)數(shù)據(jù)標(biāo)注到事件樹的相應(yīng)節(jié)點(diǎn) 的跟蹤標(biāo)注裝置的結(jié)構(gòu)圖。如圖4所示，根據(jù)本公開的跟蹤標(biāo)注裝置400包括模型生成單元401和觀點(diǎn)標(biāo)注 單元402。另外，可以提供用于存儲事件樹的數(shù)據(jù)的存儲器405、用于存儲大量的公眾觀點(diǎn) 數(shù)據(jù)的存儲器407、以及用于存儲被標(biāo)注了公眾觀點(diǎn)的事件樹的數(shù)據(jù)的存儲器408。存儲器 405、407和408可以位于跟蹤標(biāo)注裝置400的外部，也可以位于跟蹤標(biāo)注裝置400的內(nèi)部。 存儲器405、407和408也可以實(shí)現(xiàn)為同一個存儲器，其中事件樹的數(shù)據(jù)、公眾觀點(diǎn)數(shù)據(jù)、和 被標(biāo)注了公眾觀點(diǎn)的事件樹的數(shù)據(jù)可以分別存儲在同一個存儲器的不同數(shù)據(jù)庫中。模型生成單元401連接于觀點(diǎn)標(biāo)注單元402，并輸出信息給觀點(diǎn)標(biāo)注單元402。模 型生成單元401還連接于用于存儲事件樹的數(shù)據(jù)的存儲器405，并接收從其中輸出的事件樹的數(shù)據(jù)；觀點(diǎn)標(biāo)注單元402連接于用于存儲公眾觀點(diǎn)數(shù)據(jù)的存儲器407，并接收從其中輸 出的公眾觀點(diǎn)數(shù)據(jù)；觀點(diǎn)標(biāo)注單元402連接于用于存儲標(biāo)注了公眾觀點(diǎn)的事件樹的數(shù)據(jù)的 存儲器408，并將標(biāo)注了大量的公眾觀點(diǎn)的事件樹的數(shù)據(jù)輸出給存儲器408。
跟蹤標(biāo)注裝置400的結(jié)構(gòu)中還可以包括對于操作所需要的其它單元或者部件，但 是所包括的其它單元或者部件的具體結(jié)構(gòu)不對本公開的范圍構(gòu)成限制。例如，跟蹤標(biāo)注裝 置400中還可以包括數(shù)據(jù)處理單元或者控制單元。模型生成單元401也可以與觀點(diǎn)標(biāo)注單 元402實(shí)現(xiàn)為同一個單元。根據(jù)本公開的一個方面，從媒體的事件報道404生成的事件樹的數(shù)據(jù)被存儲在存 儲器405中，模型生成單元401根據(jù)存儲器405中存儲的事件樹的數(shù)據(jù)，生成基于媒體發(fā)布 的事件的事件樹(結(jié)構(gòu)化數(shù)據(jù)集合)中各個節(jié)點(diǎn)的分類模型，并將生成的分類模型輸出給 觀點(diǎn)標(biāo)注單元402。從用戶生成的內(nèi)容406中提取的大量公眾觀點(diǎn)的數(shù)據(jù)被存儲在存儲器 407中。觀點(diǎn)標(biāo)注單元402根據(jù)所生成的分類模型以及存儲器407中存儲的公眾觀點(diǎn)數(shù)據(jù)， 將公眾針對上述事件所發(fā)表的觀點(diǎn)標(biāo)注到事件樹中的相應(yīng)節(jié)點(diǎn)，形成被標(biāo)注了公眾觀點(diǎn)的 事件樹，并將被標(biāo)注了大量公眾觀點(diǎn)的事件樹的數(shù)據(jù)存儲到存儲器408。也就是說，模型生 成單元401基于事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立該結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型， 而觀點(diǎn)標(biāo)注單元402獲取存儲器407中存儲的、公眾針對該事件的觀點(diǎn)，并利用所生成的分 類模型，將該觀點(diǎn)標(biāo)注到該結(jié)構(gòu)化數(shù)據(jù)集合中的相應(yīng)節(jié)點(diǎn)上。利用所生成的分類模型將該 觀點(diǎn)標(biāo)注到該結(jié)構(gòu)化數(shù)據(jù)集合中的相應(yīng)節(jié)點(diǎn)的具體方式可以是，例如將該觀點(diǎn)的數(shù)據(jù)代入 節(jié)點(diǎn)的分類模型中，計算該觀點(diǎn)與該結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的相似度，并將該觀點(diǎn)標(biāo) 注到具有最大相似度的節(jié)點(diǎn)。圖5是根據(jù)本公開的另一個實(shí)施例將公眾觀點(diǎn)數(shù)據(jù)標(biāo)注到事件樹的相應(yīng)節(jié)點(diǎn)的 跟蹤標(biāo)注裝置的結(jié)構(gòu)圖。如圖5所示，根據(jù)本公開的跟蹤標(biāo)注裝置500包括模型生成單元401、觀點(diǎn)標(biāo)注 單元402和特征提取單元503。另外，可以提供用于存儲事件樹的數(shù)據(jù)的存儲器405、用于 存儲公眾觀點(diǎn)數(shù)據(jù)的存儲器407、以及用于存儲被標(biāo)注了公眾觀點(diǎn)的事件樹的數(shù)據(jù)的存儲 器408。存儲器405、407和408可以位于跟蹤標(biāo)注裝置500的外部，也可以位于跟蹤標(biāo)注裝 置500的內(nèi)部。存儲器405、407和408也可以實(shí)現(xiàn)為同一個存儲器，其中事件樹數(shù)據(jù)、公眾 觀點(diǎn)數(shù)據(jù)、和被標(biāo)注了公眾觀點(diǎn)的事件樹的數(shù)據(jù)可以分別存儲在同一個存儲器的不同數(shù)據(jù) 庫中。模型生成單元401連接于觀點(diǎn)標(biāo)注單元402，并輸出信息給觀點(diǎn)標(biāo)注單元402 ；特 征提取單元503分別連接于模型生成單元401和觀點(diǎn)標(biāo)注單元402，并分別輸出信息給模型 生成單元401和觀點(diǎn)標(biāo)注單元402。特征提取單元503連接于用于存儲事件樹數(shù)據(jù)的存儲 器405，并接收從其中輸出的事件樹數(shù)據(jù)，同時特征提取單元503也連接于用于存儲公眾觀 點(diǎn)數(shù)據(jù)的存儲器407，并接收從其中輸出的大量的公眾觀點(diǎn)數(shù)據(jù)。觀點(diǎn)標(biāo)注單元402連接于 用于存儲標(biāo)注了公眾觀點(diǎn)的事件樹的數(shù)據(jù)的存儲器408，并將標(biāo)注了大量的公眾觀點(diǎn)的事 件樹的數(shù)據(jù)輸出給存儲器408。跟蹤標(biāo)注裝置500的結(jié)構(gòu)中還可以包括對于其操作所需要的其它單元或者部件， 但是所包括的其它單元或者部件的具體結(jié)構(gòu)不對本公開的范圍構(gòu)成限制。例如，跟蹤標(biāo)注 裝置500中還可以包括數(shù)據(jù)處理單元或者控制單元。模型生成單元401、觀點(diǎn)標(biāo)注單元402和特征提取單元503還可以實(shí)現(xiàn)為同一個單元，或者分別兩兩合并而形成新的單元。
根據(jù)本公開的一個方面，根據(jù)媒體的事件報道404生成的事件樹被存儲到存儲器 405中。特征提取單元503接收從存儲器405輸出的事件樹的數(shù)據(jù)，并從事件樹的各個節(jié)點(diǎn) 中提取特征信息。具體地，特征提取單元503首先選擇事件樹的根節(jié)點(diǎn)，從根節(jié)點(diǎn)及該根節(jié) 點(diǎn)的各個下級節(jié)點(diǎn)中提取諸如內(nèi)容特征、時間特征、情感特征等中的至少一個的特征信息， 并將所提取的這些特征信息輸出給模型生成單元401。內(nèi)容特征是指標(biāo)題、文章中的短語和 字段等；時間特征是指文章的發(fā)表時間；情感特征是指利用情感分類器對文本所表達(dá)的情 感傾向性(正面、負(fù)面等)和程度(輕微、中等、嚴(yán)重等)進(jìn)行判斷，用生成的情感數(shù)值作為 分類特征。
然后，特征提取單元503再選擇根節(jié)點(diǎn)的下一級節(jié)點(diǎn)，從該下一級節(jié)點(diǎn)和該下一 級節(jié)點(diǎn)的各個下級節(jié)點(diǎn)中提取諸如內(nèi)容特征、時間特征、情感特征等的至少一個的特征信 息，并將所提取的該下一級節(jié)點(diǎn)的這些特征信息輸出給模型生成單元401。對事件樹的每個 節(jié)點(diǎn)重復(fù)執(zhí)行上述提取特征信息的操作，直到針對所有節(jié)點(diǎn)完成特征信息的提取。
模型生成單元401根據(jù)所提取的每個節(jié)點(diǎn)的特征信息，對應(yīng)生成事件樹的每個節(jié) 點(diǎn)的分類模型，并將生成的分類模型輸出給觀點(diǎn)標(biāo)注單元402。生成各個節(jié)點(diǎn)的分類模型的 方法例如可以采用一般性的監(jiān)督機(jī)器學(xué)習(xí)算法，如支持向量機(jī)模型、樸素貝葉斯分類模型 等等。具體的說，確定具體的分類模型函數(shù)形式后，可以利用每個節(jié)點(diǎn)所包含的數(shù)據(jù)(例如 上述特征信息)學(xué)習(xí)模型的參數(shù)，從而建立該分類模型。上述生成分類模型的算法不對本 公開的范圍構(gòu)成限制，本領(lǐng)域的技術(shù)人員可以采用適當(dāng)?shù)乃惴▉硗瓿煞诸惸Ｐ偷臉?gòu)建。
從用戶生成的內(nèi)容(例如是在博客、論壇、wikis、或者其它非網(wǎng)絡(luò)媒體等上發(fā)表 的觀點(diǎn)、評論等)406中搜索的大量的公眾觀點(diǎn)的數(shù)據(jù)被存儲在存儲器407中。搜索公眾觀 點(diǎn)的方法例如可以通過文本分析技術(shù)提取與事件報道有關(guān)的評論和觀點(diǎn)，并對這些評論和 觀點(diǎn)進(jìn)行分析。文本分析技術(shù)例如可以采用“信息片段相似性比較”的方法，即比較所要搜 索的公眾觀點(diǎn)或者評論中的信息片段與預(yù)先設(shè)定的信息片段(例如是語句、關(guān)鍵詞、視頻 片段、音頻片段等)的相似度，并且當(dāng)相似度大于或者等于某一預(yù)定閾值時，則提取該公眾 觀點(diǎn)或者評論作為所要選擇的公眾觀點(diǎn)或者評論。上述搜索并獲得需要的公眾觀點(diǎn)的方法 不對本公開的范圍構(gòu)成限制，本領(lǐng)域的技術(shù)人員可以采用適當(dāng)?shù)姆椒▉硗瓿晒娪^點(diǎn)的搜 索。
特征提取單元503接收從存儲器407輸出的公眾觀點(diǎn)數(shù)據(jù)，并從所接收的大量公 眾觀點(diǎn)中的每個觀點(diǎn)的數(shù)據(jù)中提取相應(yīng)的特征信息，例如可以是內(nèi)容特征、時間特征、情感 特征等中的至少一個，并將所提取的特征信息輸出給觀點(diǎn)標(biāo)注單元402。內(nèi)容特征是指標(biāo) 題、文章中的短語和字段等；時間特征是指文章的發(fā)表時間；情感特征是指利用情感分類 器對文本所表達(dá)的情感傾向性(正面、負(fù)面等)和程度(輕微、中等、嚴(yán)重等)進(jìn)行判斷，用 生成的情感數(shù)值作為分類特征。
觀點(diǎn)標(biāo)注單元402基于所建立的上述分類模型與從公眾觀點(diǎn)中提取的特征信息， 將大量公眾觀點(diǎn)中的各個觀點(diǎn)標(biāo)注到事件樹的相應(yīng)節(jié)點(diǎn)，以形成被標(biāo)注了公眾觀點(diǎn)的事件 樹，并將被標(biāo)注了大量公眾觀點(diǎn)的事件樹的數(shù)據(jù)存儲在存儲器408中。
由此，根據(jù)本公開的基于結(jié)構(gòu)化數(shù)據(jù)集合(事件樹)的跟蹤標(biāo)注裝置的該另一個 實(shí)施例包括特征提取單元503，從基于媒體發(fā)布的事件所建立的結(jié)構(gòu)化數(shù)據(jù)集合(事件樹)的節(jié)點(diǎn)(例如可以設(shè)定為從根節(jié)點(diǎn)開始)以及該節(jié)點(diǎn)的所有下級節(jié)點(diǎn)中選取特征信 息，將所選取的特征信息提供給模型生成單元401，并且還提取搜索到的公眾觀點(diǎn)的特征信 息，輸出給該觀點(diǎn)標(biāo)注單元402 ；模型生成單元401，根據(jù)從特征提取單元503接收的各個節(jié) 點(diǎn)的特征信息，建立該結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型；以及，觀點(diǎn)標(biāo)注單元402， 用于利用所生成的分類模型和提取的公眾觀點(diǎn)的特征信息，將各個公眾觀點(diǎn)標(biāo)注到事件樹 中最匹配的節(jié)點(diǎn)。具體地，觀點(diǎn)標(biāo)注單元402比較公眾觀點(diǎn)與結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn) 的相似度，并將該觀點(diǎn)標(biāo)注到具有最大相似度的節(jié)點(diǎn)。
更具體地，觀點(diǎn)標(biāo)注單元402將該觀點(diǎn)的特征信息輸入到一當(dāng)前節(jié)點(diǎn)的分類模型 中，并從該分類模型輸出分類結(jié)果，該分類結(jié)果以數(shù)值方式展示該觀點(diǎn)與該當(dāng)前節(jié)點(diǎn)的相 似度。其中，如果該當(dāng)前節(jié)點(diǎn)的相似度大于預(yù)定閾值，則在例如存儲器中記錄該當(dāng)前節(jié)點(diǎn)， 并將該預(yù)定閾值改寫為這個相似度的值，并且如果該當(dāng)前節(jié)點(diǎn)還具有下一級節(jié)點(diǎn)，則繼續(xù) 比較該公眾觀點(diǎn)與該當(dāng)前節(jié)點(diǎn)的下一級節(jié)點(diǎn)的相似度。其中，如果該當(dāng)前節(jié)點(diǎn)的相似度不 大于該預(yù)定閾值，或者該當(dāng)前節(jié)點(diǎn)沒有下一級節(jié)點(diǎn)，則將該公眾觀點(diǎn)標(biāo)注到具有最大相似 度的節(jié)點(diǎn)。如果該當(dāng)前節(jié)點(diǎn)具有多個下一級節(jié)點(diǎn)，則將這些下一級節(jié)點(diǎn)分別與該公眾觀點(diǎn) 進(jìn)行比較，并將具有最大相似度的節(jié)點(diǎn)設(shè)定為新的當(dāng)前節(jié)點(diǎn)。
圖6是根據(jù)本公開一個實(shí)施例的跟蹤標(biāo)注方法的流程圖。
如圖6所示，在步驟S601，基于例如媒體發(fā)布的事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立該結(jié) 構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型。在步驟S602，獲得公眾針對上述事件發(fā)表的觀點(diǎn)。 在步驟S603，利用所生成的分類模型，將公眾發(fā)表的上述觀點(diǎn)標(biāo)注到該結(jié)構(gòu)化數(shù)據(jù)集合的 相應(yīng)節(jié)點(diǎn)。
上述步驟S601可以由模型生成單元401來實(shí)現(xiàn)，上述步驟S603可以由觀點(diǎn)標(biāo)注 單元402來實(shí)現(xiàn)。
圖7是根據(jù)本公開另一個實(shí)施例的跟蹤標(biāo)注方法的流程圖。
圖7示出了圖6中的步驟S601的進(jìn)一步操作的流程圖。如圖7所示，在步驟S701， 選擇事件樹的當(dāng)前節(jié)點(diǎn)。根據(jù)本公開的一個實(shí)施例，該當(dāng)前節(jié)點(diǎn)可以是事件樹(結(jié)構(gòu)化數(shù) 據(jù)集合)的根節(jié)點(diǎn)。在步驟S702，從事件樹的該當(dāng)前節(jié)點(diǎn)及該當(dāng)前節(jié)點(diǎn)的各個下級節(jié)點(diǎn)中 選取特征信息，這里的特征信息可以是如上所述的內(nèi)容特征、時間特征、情感特征中的至少 一個。在步驟S703，根據(jù)步驟S702中選取的各個節(jié)點(diǎn)的特征信息生成該當(dāng)前節(jié)點(diǎn)的分類 模型。在步驟S704，判斷該當(dāng)前節(jié)點(diǎn)是否具有下一級節(jié)點(diǎn)。如果該當(dāng)前節(jié)點(diǎn)具有下一級節(jié) 點(diǎn)，進(jìn)行到步驟S705。在步驟S705中，將各個下一級節(jié)點(diǎn)分別選擇為當(dāng)前節(jié)點(diǎn)，并重復(fù)步驟 S702至步驟S704，以分別生成事件樹的各個節(jié)點(diǎn)的分類模型。如果在步驟S704中判斷該 當(dāng)前節(jié)點(diǎn)不再具有下一級節(jié)點(diǎn)，則進(jìn)行到步驟S706。在步驟S706中，輸出所生成的各個節(jié) 點(diǎn)的分類模型。
上述步驟S702可以由特征提取單元503來實(shí)現(xiàn)，上述步驟S703至步驟S706可以 由模型生成單元401來實(shí)現(xiàn)。上述步驟S701也可以由特征提取單元503或者模型生成單 元401來實(shí)現(xiàn)。
圖8是根據(jù)本公開再一個實(shí)施例的跟蹤標(biāo)注方法的流程圖。
圖8示出了圖6中的步驟S604的進(jìn)一步操作的流程圖。如圖8所示，在步驟S801， 從大量公眾觀點(diǎn)中的每個公眾觀點(diǎn)中抽取特征信息。這里的特征信息可以是如上所述的內(nèi)容特征、時間特征、情感特征等中的至少一個。在步驟S802，在事件樹中選擇一當(dāng)前節(jié)點(diǎn) (可以從根節(jié)點(diǎn)開始)，并利用該當(dāng)前節(jié)點(diǎn)的分類模型，比較待匹配的一公眾觀點(diǎn)與當(dāng)前節(jié) 點(diǎn)的相似度。具體來說，是將該公眾觀點(diǎn)的特征信息輸入到該當(dāng)前節(jié)點(diǎn)的分類模型中，并從 中輸出分類結(jié)果，輸出的分類結(jié)果以數(shù)值方式展示該公眾觀點(diǎn)與該當(dāng)前節(jié)點(diǎn)的匹配程度， 這里可以被稱為“相似度”。在步驟S803，判斷該當(dāng)前節(jié)點(diǎn)與該公眾觀點(diǎn)的相似度是否大于 一預(yù)定閾值。當(dāng)判斷結(jié)果是該當(dāng)前節(jié)點(diǎn)與該公眾觀點(diǎn)的相似度大于該預(yù)定閾值時，進(jìn)行到 步驟S804，否則，當(dāng)判斷結(jié)果是該當(dāng)前節(jié)點(diǎn)與該公眾觀點(diǎn)的相似度不大于該預(yù)定閾值時，跳 過步驟S804，直接進(jìn)行到步驟S807，即輸出具有最大相似度的節(jié)點(diǎn)做為最終匹配的節(jié)點(diǎn)， 并將該公眾觀點(diǎn)標(biāo)注到該最終匹配的節(jié)點(diǎn)。該預(yù)定閾值的設(shè)計是為了控制遞歸匹配的過程 停止在某個中間節(jié)點(diǎn)，即公眾觀點(diǎn)不與某個具體特定事件匹配，而是與某類概要事件匹配， 這在實(shí)際中是有意義的。該預(yù)定閾值可以根據(jù)使用者的具體要求來設(shè)置，其值的大小不對 本公開的范圍構(gòu)成限制。
在步驟S804，記錄該當(dāng)前節(jié)點(diǎn)，并將該預(yù)定閾值改寫為該相似度的值。在步驟 S805，判斷該當(dāng)前節(jié)點(diǎn)是否具有下一級節(jié)點(diǎn)。如果該當(dāng)前節(jié)點(diǎn)具有下一級節(jié)點(diǎn)，進(jìn)行到步驟 S806。在步驟S806中，將下一級節(jié)點(diǎn)設(shè)定為新的當(dāng)前節(jié)點(diǎn)，并重復(fù)步驟S802至步驟S805， 以尋找具有最大相似度的節(jié)點(diǎn)。如果在步驟S806中判斷的下一級節(jié)點(diǎn)的數(shù)量不只一個，而 是具有多個下一級節(jié)點(diǎn)，則可以先將這些下一級節(jié)點(diǎn)分別與該公眾觀點(diǎn)進(jìn)行比較，并將具 有最大相似度的節(jié)點(diǎn)設(shè)定為新的當(dāng)前節(jié)點(diǎn)，然后重復(fù)步驟S802至步驟S805。
如果在步驟S805中判斷該當(dāng)前節(jié)點(diǎn)不再具有下一級節(jié)點(diǎn)，則進(jìn)行到步驟S807。在 步驟S807中，輸出具有最大相似度的節(jié)點(diǎn)做為最終匹配的節(jié)點(diǎn)，并將該公眾觀點(diǎn)標(biāo)注到該 最終匹配的節(jié)點(diǎn)。
根據(jù)本公開的一個方面，對于每個公眾觀點(diǎn)遍歷事件樹，即從事件樹的根節(jié)點(diǎn)開 始，比較該公眾觀點(diǎn)與該事件樹的各個節(jié)點(diǎn)的相似度，以找到具有最大相似度的節(jié)點(diǎn)。將事 件樹的根節(jié)點(diǎn)設(shè)定為開始進(jìn)行比較時的當(dāng)前節(jié)點(diǎn)。
上述步驟S801可以由特征提取單元503來實(shí)現(xiàn)，上述步驟S802至步驟S807可以 由觀點(diǎn)標(biāo)注單元402來實(shí)現(xiàn)。
根據(jù)本公開的上述各個實(shí)施例的步驟的執(zhí)行順序不對本公開的范圍構(gòu)成限制。由 此，根據(jù)本公開的跟蹤標(biāo)注方法的步驟還可以描述為比較公眾觀點(diǎn)與結(jié)構(gòu)化數(shù)據(jù)集合的 各個節(jié)點(diǎn)的相似度(步驟S802-S806)；和將該觀點(diǎn)標(biāo)注到具有最大相似度的節(jié)點(diǎn)(步驟 S807)。其中包括，提取該公眾觀點(diǎn)的特征信息(步驟S801)；將該公眾觀點(diǎn)的特征信息輸 入一當(dāng)前節(jié)點(diǎn)的分類模型，并輸出分類結(jié)果，該分類結(jié)果以數(shù)值方式展示該觀點(diǎn)與該當(dāng)前 節(jié)點(diǎn)的相似度(步驟S802)。其中包括，如果該相似度大于預(yù)定閾值，則記錄該當(dāng)前節(jié)點(diǎn)，并 將該預(yù)定閾值改寫為該相似度的值(步驟S803-S804)，如果該當(dāng)前節(jié)點(diǎn)具有下一級節(jié)點(diǎn)， 則繼續(xù)比較該公眾觀點(diǎn)與該當(dāng)前節(jié)點(diǎn)的下一級節(jié)點(diǎn)的相似度(步驟S806、S802-S805)。其 中包括，如果該當(dāng)前節(jié)點(diǎn)的相似度不大于該預(yù)定閾值，或者該當(dāng)前節(jié)點(diǎn)沒有下一級節(jié)點(diǎn)，則 將該觀點(diǎn)標(biāo)注到具有最大相似度的節(jié)點(diǎn)(步驟S807)。其中包括，如果該當(dāng)前節(jié)點(diǎn)具有多個 下一級節(jié)點(diǎn)，則將這些下一級節(jié)點(diǎn)分別與該公眾觀點(diǎn)進(jìn)行比較，并將相似度最大的節(jié)點(diǎn)設(shè) 定為新的當(dāng)前節(jié)點(diǎn)(步驟S806)。
通過本公開的上述各個實(shí)施例，可以自動地、精確地將公眾觀點(diǎn)標(biāo)注到網(wǎng)絡(luò)媒體10對事件的官方報道，能夠向用戶提供相對于每個事件的具有良好排列、突出重點(diǎn)的公眾觀 點(diǎn)，并且能夠表現(xiàn)出公眾觀點(diǎn)隨著時間推移而發(fā)生的進(jìn)展。
本申請中的上述各個實(shí)施例僅為示例性描述，它們的具體結(jié)構(gòu)和操作不對本公開 的范圍構(gòu)成限制，本領(lǐng)域的技術(shù)人員可以將上述各個實(shí)施例中的不同部分和操作進(jìn)行組 合，產(chǎn)生新的實(shí)施方式，同樣符合本公開的構(gòu)思。
本公開的實(shí)施例可以通過硬件、軟件、固件或它們之間結(jié)合的方式來實(shí)現(xiàn)，其實(shí)現(xiàn) 方式不對本公開的范圍構(gòu)成限制。
本公開的實(shí)施例中的各個功能元件(單元)相互之間的連接關(guān)系不對本公開的范 圍構(gòu)成限制，其中的一個或多個功能元件可以包括或連接于其它任意的功能元件。
雖然上面已經(jīng)結(jié)合附圖示出并描述了本公開的一些實(shí)施例，但是本領(lǐng)域的技術(shù)人 員應(yīng)當(dāng)理解，在不偏離本公開的原則和精神的情況下，可以對這些實(shí)施例進(jìn)行變化和修改， 但它們?nèi)匀宦湓诒竟_的權(quán)利要求及其等價物的范圍之內(nèi)。
權(quán)利要求
1.一種基于結(jié)構(gòu)化數(shù)據(jù)集合的標(biāo)注方法，包括基于事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立所述結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型；獲取公眾針對所述事件的觀點(diǎn)；以及利用所建立的分類模型，將所述觀點(diǎn)標(biāo)注到所述結(jié)構(gòu)化數(shù)據(jù)集合的相應(yīng)節(jié)點(diǎn)。
2.如權(quán)利要求1所述的標(biāo)注方法，建立所述結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型包 括從所述結(jié)構(gòu)化數(shù)據(jù)集合的當(dāng)前節(jié)點(diǎn)及所述當(dāng)前節(jié)點(diǎn)的下級節(jié)點(diǎn)中選取特征信息，根據(jù) 所述特征信息生成所述當(dāng)前節(jié)點(diǎn)的分類模型。
3.如權(quán)利要求1或2所述的標(biāo)注方法，還包括比較所述觀點(diǎn)與結(jié)構(gòu)化數(shù)據(jù)集合的各個節(jié)點(diǎn)的相似度；和將所述觀點(diǎn)標(biāo)注到具有最大相似度的節(jié)點(diǎn)。
4.如權(quán)利要求3所述的標(biāo)注方法，比較所述觀點(diǎn)與所述結(jié)構(gòu)化數(shù)據(jù)集合的各個節(jié)點(diǎn)的 相似度包括提取所述觀點(diǎn)的特征信息；以及將所述觀點(diǎn)的特征信息輸入當(dāng)前節(jié)點(diǎn)的分類模型，并輸出分類結(jié)果，所述分類結(jié)果以 數(shù)值方式展示所述觀點(diǎn)與所述當(dāng)前節(jié)點(diǎn)的相似度。
5.如權(quán)利要求2-4中任一項(xiàng)所述的標(biāo)注方法，所述特征信息包括內(nèi)容特征、時間特征、 情感特征中的至少一個。
6.如權(quán)利要求4所述的標(biāo)注方法，比較所述觀點(diǎn)與所述結(jié)構(gòu)化數(shù)據(jù)集合的各個節(jié)點(diǎn)的 相似度還包括如果所述相似度大于預(yù)定閾值，則記錄所述當(dāng)前節(jié)點(diǎn)，并將所述預(yù)定閾值改寫為所述 相似度的值；和如果所述當(dāng)前節(jié)點(diǎn)具有下一級節(jié)點(diǎn)，則繼續(xù)比較所述觀點(diǎn)與所述當(dāng)前節(jié)點(diǎn)的下一級節(jié) 點(diǎn)的相似度。
7.如權(quán)利要求4所述的標(biāo)注方法，比較所述觀點(diǎn)與所述結(jié)構(gòu)化數(shù)據(jù)集合的各個節(jié)點(diǎn)的 相似度還包括如果所述當(dāng)前節(jié)點(diǎn)的相似度不大于所述預(yù)定閾值，或者所述當(dāng)前節(jié)點(diǎn)沒有下一級節(jié) 點(diǎn)，則將所述觀點(diǎn)標(biāo)注到具有最大相似度的節(jié)點(diǎn)。
8.如權(quán)利要求6所述的標(biāo)注方法，比較所述觀點(diǎn)與所述結(jié)構(gòu)化數(shù)據(jù)集合的各個節(jié)點(diǎn)的 相似度還包括如果所述當(dāng)前節(jié)點(diǎn)具有多個下一級節(jié)點(diǎn)，則將這些下一級節(jié)點(diǎn)分別與所述觀點(diǎn)進(jìn)行比 較，并將相似度最大的節(jié)點(diǎn)設(shè)定為新的當(dāng)前節(jié)點(diǎn)。
9.如權(quán)利要求4所述的標(biāo)注方法，所述當(dāng)前節(jié)點(diǎn)是所述結(jié)構(gòu)化數(shù)據(jù)集合的根節(jié)點(diǎn)。
10.如權(quán)利要求1所述的標(biāo)注方法，所述結(jié)構(gòu)化數(shù)據(jù)集合是樹型的數(shù)據(jù)集合。
11.一種基于結(jié)構(gòu)化數(shù)據(jù)集合的標(biāo)注裝置，包括模型生成單元，基于事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立所述結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的 分類模型；和觀點(diǎn)標(biāo)注單元，獲取公眾針對所述事件的觀點(diǎn)，并利用所生成的分類模型，將所述觀點(diǎn) 標(biāo)注到所述結(jié)構(gòu)化數(shù)據(jù)集合的相應(yīng)節(jié)點(diǎn)。
12.如權(quán)利要求11所述的標(biāo)注裝置，還包括特征提取單元，提取所述結(jié)構(gòu)化數(shù)據(jù)集合中的各個節(jié)點(diǎn)及所述各個節(jié)點(diǎn)的下級節(jié)點(diǎn)的 特征信息，其中，所述模型生成單元基于所提取的各個節(jié)點(diǎn)的特征信息建立所述各個節(jié)點(diǎn)的分類 模型。
13.如權(quán)利要求11或12所述的標(biāo)注裝置，其中所述觀點(diǎn)標(biāo)注單元比較所述觀點(diǎn)與所述 各個節(jié)點(diǎn)的相似度，并將所述觀點(diǎn)標(biāo)注到具有最大相似度的節(jié)點(diǎn)。
14.如權(quán)利要求13所述的標(biāo)注裝置，其中，所述特征提取單元還提取所述觀點(diǎn)的特征 信息，并且所述觀點(diǎn)標(biāo)注單元將所述觀點(diǎn)的特征信息輸入當(dāng)前節(jié)點(diǎn)的分類模型，并輸出分 類結(jié)果，所述分類結(jié)果以數(shù)值方式展示所述觀點(diǎn)與所述當(dāng)前節(jié)點(diǎn)的相似度。
15.如權(quán)利要求14所述的標(biāo)注裝置，其中，如果所述當(dāng)前節(jié)點(diǎn)的相似度大于預(yù)定閾值， 則所述觀點(diǎn)標(biāo)注單元記錄所述當(dāng)前節(jié)點(diǎn)，并將所述預(yù)定閾值改寫為所述相似度的值，如果 所述當(dāng)前節(jié)點(diǎn)具有下一級節(jié)點(diǎn)，則所述觀點(diǎn)標(biāo)注單元繼續(xù)比較所述觀點(diǎn)與所述當(dāng)前節(jié)點(diǎn)的 下一級節(jié)點(diǎn)的相似度。
16.如權(quán)利要求14所述的標(biāo)注裝置，其中如果所述當(dāng)前節(jié)點(diǎn)的相似度不大于所述預(yù)定 閾值，或者所述當(dāng)前節(jié)點(diǎn)沒有下一級節(jié)點(diǎn)，則所述觀點(diǎn)標(biāo)注單元將所述觀點(diǎn)標(biāo)注到具有最 大相似度的節(jié)點(diǎn)。
17.如權(quán)利要求15所述的標(biāo)注裝置，其中，如果所述當(dāng)前節(jié)點(diǎn)具有多個下一級節(jié)點(diǎn)，則 所述觀點(diǎn)標(biāo)注單元將這些下一級節(jié)點(diǎn)分別與所述觀點(diǎn)進(jìn)行比較，并將相似度最大的節(jié)點(diǎn)設(shè) 定為新的當(dāng)前節(jié)點(diǎn)。
全文摘要
提供了一種基于結(jié)構(gòu)化數(shù)據(jù)集合的標(biāo)注方法和標(biāo)注裝置，該標(biāo)注方法包括基于事件的結(jié)構(gòu)化數(shù)據(jù)集合，建立所述結(jié)構(gòu)化數(shù)據(jù)集合中各個節(jié)點(diǎn)的分類模型；獲取公眾針對所述事件的觀點(diǎn)；以及利用所生成的分類模型，將所述觀點(diǎn)標(biāo)注到所述結(jié)構(gòu)化數(shù)據(jù)集合的相應(yīng)節(jié)點(diǎn)。本公開的標(biāo)注方法和裝置能夠向用戶提供針對每個事件具有良好排列、突出重點(diǎn)的公眾觀點(diǎn)，并且能夠表現(xiàn)出公眾觀點(diǎn)隨著時間的進(jìn)展。
文檔編號G06F17/30GK102033880SQ20091017731
公開日2011年4月27日 申請日期2009年9月29日 優(yōu)先權(quán)日2009年9月29日
發(fā)明者吳賢, 蘇中, 費(fèi)奔, 陳健, 馬瑞 申請人:國際商業(yè)機(jī)器公司