مدلسازی موضوعی رویدادهای اخبار مبتنی بر یادگیری عمیق افزایشی

زمانیکه رویدادهای اخبار در مورد یک موضوع اعلام می شوند اطلاعات ما در مورد آن موضوع به تدریج افزایشمی یابد و شکل جامعتری به خود می گیرد. در این مقاله تعریفی برای کسب اطلاعات و دریافت خبر پیرامونرویدادها خبری ارایه میدهیم که مربوط به موضوعی است که به طور تدریجی در حال افزایش میباشد و در آنهر رویداد متشکل از یک سری مقالات جدید است که درباره آن موضوع بحث میکند. این آگاهی از اخبار بااستفاده از یک سلسله مراتب از رویدادها ارایه می شود که نشان دهنده موضوعاتی با درجات مختلف از حالتجزیی نگری است. اگرچه کاوش سلسله مراتب رویدادهای اخبار از متن در پژوهش های گذشته بارها جستجو ودنبال شده است، اما یادگیری عمیق افزایشی از رویدادهای مشابه همچنان در حال تکامل است. در این مقاله یکچارچوب سه مرحله ای و مقیاس پذیر مبتنی بر یادگیری عمیق ارایه نمودیم که برای یادگیری و اطلاع از یکسلسله مراتب از رویدادها در مورد یک موضوع و بر اساس رویدادهایی است که به محض وقوع مرتبط با آنموضوع می باشد. ابتدا، ویژگی های استخراج شده از مقالات خبری با یک چارچوب یادگیری عمیق غنی میشوند.سپس، یک سلسله مراتب از رویدادهای خبری برای هر رویداد و بر اساس یک مدل جدید از عنوان بندی و بهشکل بازگشتی از سلسله مراتب در مورد موجودیت های اسمی شده و انواع موجودیت ها در مقالات خبری جدیدتدوین می کنیم. در نهایت، به صورت افزایشی، سلسله مراتب رویدادهای خبری را با استفاده از سلسله مراتبچیدمان کل به جزء باهم ترکیب می کنیم. نتایج تجربی برروی مجموعه داده های واقعی از اخبار مرتبط با نوضوعزلزله، کارآمدی چارچوب پیشنهادی را نسبت به روشهای پایه نشان میدهد.

کلیدواژه ها:

تحلیل متن ، مدلسازی موضوعی ، رویدادهای اخبار ، یادگیری عمیق ، یادگیری افزایشی