首页|融入事件知识的新闻事件对比聚类方法

融入事件知识的新闻事件对比聚类方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
新闻事件聚类旨在从海量新闻文本中挖掘若干个不同主题的事件簇.目前事件聚类大多基于文本语义表征,忽略了事件知识的指导作用,且由于表征学习和目标聚类的迭代进行,不仅容易造成误差累积,还只能处理离线任务,限制了对实时新闻数据的处理.针对上述问题,该文提出一种融入事件知识的新闻事件对比聚类方法,该方法在文本表征的基础上,融入事件关键信息丰富事件表征;将聚类标签作为表示,同时在实例级和簇群级进行对比学习;以端到端的方式联合学习表示和簇群分配,实现对数据流的聚类.实验结果表明,该方法相较于其他基线模型,提高了3%.
A Contrastive Clustering Method of News Events Incorporating Event Knowledge
News event clustering aims to mine several event clusters of different topics from massive news texts.At present,event clustering is mostly based on text semantic representation,but ignoring the guiding role of event knowledge.Due to the iterative pro-cess of representation learning and target clustering,it is easy to cause error accumulation.It can only deal with offline tasks,which limits the processing of real-time news data,and to solve the above problems,this paper proposes a contrastive clustering method of news events incorporating event knowledge.On the basis of text representation,this method incorporates event key information to enrich event representation.The cluster label is used as the representation,and contrastive learning is performed at the instance level and the cluster level.The representation and cluster assignment are jointly learned in an end-to-end manner to realize the clustering of data streams.Experimental results show that the proposed method improves by 3%compared with other baseline models.

event clusteringevent representationcontrastive learningdeep clustering

梁晨、余正涛、高盛祥、朱恩昌

展开 >

昆明理工大学 信息工程与自动化学院,云南 昆明 650500

云南省人工智能重点实验室,云南 昆明 650500

事件聚类 事件表征 对比学习 深度聚类

国家自然科学基金国家自然科学基金国家自然科学基金云南高新技术产业发展项目云南省重大科技专项计划云南省重大科技专项计划云南省基础研究计划云南省学术和技术带头人后备人才

6197218661732005U21B2027201606202103AA080015202002AD080001-5202001AS070014202105AC160018

2024

10.13451/j.sxu.ns.2023065

山西大学学报(自然科学版)
山西大学

山西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.287
ISSN：0253-2395
年,卷(期)：2024.47(4)
  • 22