大数据时代,Big Data往往并不意味着Big Knowledge。例如当突发事件发生时,相关的事件新闻报道数目呈指数式增加,如何从海量新闻大数据流中高效动态追踪特定突发事件的发展态势,形成便于读者阅读的能够反映事件发展脉络的摘要,成为亟待解决的重要研究任务。面对传统信息处理方式,如人工摘要,检索工具等,无法有效抽取海量信息流中的事件时间摘要的困境,本文在研究事件摘要相关技术和总结实验室已有成果的基础上,研究并实现了基于文本语义正则约束的突发事件时间摘要系统。该系统从新闻数据集的内在特质着手,选择适合处理海量新闻报道流的摘要算法;并且考虑文本数据集自身的特征结构,通过正则项来约束从高维空间到低维空间的特征降维过程,最终将事件发展脉络的正确表述并快速及时地呈现给感兴趣的人们,使其能够便捷直观地回顾该事件的发生历程并知晓该事件的最新发展态势。具体来说,本文的主要贡献如下:·首先,面对突发事件时间摘要系统候选句子稀疏难题,设计并实现了一种新的稀疏候选句子抽取方法。当一个突发事件暴发,在很短时间内,来自各种媒体从不同角度对事件不同方面进行了铺天盖地报道,用户淹没在如泥石流般的新闻报道中。对于海量的新闻消息,此中只有少量报道内的一些关键句子才可以用来构造简短,全面而准确的摘要。如何过滤掉不相关句子,选择高度相关的候选句子成为了一项犹如大海捞针的任务。由于用户的查询词,即用户给出的感兴趣的突发事件话题往往非常简短,而候选句子集合却很庞大,用户查询中的关键词和句子之间的不匹配问题十分严重。因此,本文借助多个搜索引擎,对用户给出的简短事件话题初次检索,并利用检索结果做了查询扩展,以便于后续通过检索模型选择高度相关的稀疏候选句子。·其次,面对突发事件时间摘要系统候选话题挖掘难题,设计并实现了基于非负矩阵分解(Non-negative Matrix Factorization,NMF)聚类的稀疏话题挖掘框架。在得到候选句子集合后,需要利用聚类算法挖掘候选话题。我们所采用的NMF聚类方法不要求聚类话题中心向量相互正交,可以对话题中心向量给出更合理的解释;同时NMF聚类方法的低秩分解过程也保证其能够处理大规模特征维度爆炸问题。·再次,面对突发事件时间摘要系统候选话题聚类语义计算难题,设计并实现了一种新颖的句子语义相似度计算应用方法(Neighborhood Preserving Semantic Measure,NPS),并以将其以正则项的形式约束特征降维的过程。这使得维度约简后的样本空间可能多地保留原始向量表示空间中的语料集中的内在关系。在KBA数据集上的实验表明,本文提出的算法在主要指标,如期望增益(Expected Gain),综合性(Comprehensiveness),F值上,均取得了明显的提升,能够有效提升突发事件时间摘要性能。同时依据本文算法开发的原型系统参加国际文本检索会议(TREC 2015)的Temporal Summarization Track任务,在Summarization Only task子任务中取得第二名的成绩。