事件作为人类知识的基本单元,一直以来备受多个领域研究人员的青睐。近年来,随着互联网的迅猛发展,网络新媒体已逐渐成为人们获取信息的主要方式。同时,突发事件频发,网络空间中充斥着海量的包含各类突发事件信息的电子文本数据。对电子文本中的这些事件信息加以有效利用,能为信息检索、舆情分析、文本主题分类等多个研究领域提供重要支持,使得事件抽取技术成为了研究热点。事件触发词识别作为事件抽取的子任务,目前存在使用词特征作为基准时有效辅助特征不足以及对辅助特征利用不够充分的问题,从而导致最终的识别效果不够理想。针对这两个问题,本文提出了一种基于正负加权的事件触发词识别方法,并在此基础上对基于事件触发词的文本主题分类应用进行了研究。主要研究工作包括以下两个部分:(1)基于正负加权的事件触发词识别研究。为了提升使用词特征作为基准时的事件触发词识别效果,通过构建包含正负特征的触发词表,并结合正负加权算法,提出了一种基于正负加权的事件触发词识别方法。首先,结合前后位置词和依存句法中的父、子节点词,自定义了一种叫做关联词的特征,该特征的加入对于基准方法效果的提升有较大的帮助。然后,将单一特征分为正特征或负特征,并结合正负加权算法辅助基准方法进行事件触发词识别,提升单一特征在识别中的作用。最后,将多种特征组合在一起,并结合正负加权算法辅助基准方法进行事件触发词识别,进一步提升本文识别方法的效果。实验结果表明,基于正负加权的事件触发词识别方法取得了令人满意的效果。(2)基于事件触发词的文本主题分类应用研究。首先,借助词频-逆文档频率的思想,提出了类内触发词频-逆类别频率的方法,用于计算事件触发词特征和文本主题类别间的特征权重。然后,针对不同事件触发词与文本主题类别间相关性的差异问题,对卡方检验方法进行改进,使其能够体现正负相关性,并将其作为权重因子与特征权重相乘,完成特征权重的计算。最后,将文本中各个特征与文本主题类别间的特征权重按照文本主题类别进行累加,并将累加值最大的主题类别作为文本的分类结果,完成文本主题分类。实验结果表明,基于事件触发词的文本主题分类方法取得了比较理想的效果。图[15]表[12]参[65]