事件检测算法通过对海量文本进行内容提取、文本表示和聚类检测事件,能够快速准确地将事件的相关资讯展示给用户,并为政府和企业提供有效的决策支持信息。气象事件检测根据气象文本特点进行研究,可以及时、准确地检测气象事件,在农业生产、活动组织等领域具有实际应用价值。气象事件检测的研究存在对气象语义和领域知识挖掘不够充分的问题,气象事件检测的效果不理想。本文提出一种基于气象类别词嵌入的气象事件检测算法(Climate Event Detection Based on Climate Category Word Embedding,CEDCWE),利用文本的气象知识挖掘语义信息、构建气象文本表示模型,提高气象事件检测的效果。该算法主要包括:基于气象类别的词嵌入模型(Climate Category Word Embedding,Cc WE)、词语主题聚类模型、气象文本表示模型和气象事件检测模型四个部分,各部分的具体工作概括如下:1.基于气象类别的词嵌入模型:针对气象语义挖掘不充分的问题,提出一种使用文本气象类别作为学习目标的词嵌入模型,用于获得包含气象语义的词向量。2.词语主题聚类模型:使用改进的K-means聚类算法对Cc WE模型学习得到的词向量进行词语的主题聚类,用于获得语义相似度更高的词语主题聚类结果。该模型的结果可用于气象文本表示,有效地避免了传统方法特征维度高、特征稀疏的问题。3.气象文本表示模型:提出一种结合词语主题聚类结果和气象类别、发生时间、发生地点的气象文本表示模型,对气象文本进行准确的表示。针对气象发生地点获取不准确的问题,改进卷积神经网络的结构,获取更加准确的文本气象发生地点。4.气象事件检测模型:通过增量聚类Single-Pass算法进行文本聚类,完成气象事件检测。实验结果表明,CEDCWE算法提高了词语的语义信息和气象文本的表示效果,气象事件检测效果优于现有方法。此外,CEDCWE算法可应用于其他领域的事件检测,具有一定的可扩展性。