16、一种新颖的事件网络匹配算法

一种新颖的事件网络匹配算法

1. 引言

在自然语言处理领域，如信息检索、文本分类等，文本表示是一个重要问题。近年来，人们倾向于使用比关键词和概念更丰富的文本表示方式。在此情况下，有必要研究适用于比较不同文本表示的方法。本文采用事件网络来表示文本，并提出一种新的事件网络匹配方法。

事件网络是一种新的文本表示模型，可看作带有许多额外特征的图。图匹配理论对事件网络匹配有很好的应用价值。大多数图匹配方法源于图论和信息检索。图匹配方法可分为两类：最大公共子结构和距离变换。在信息检索中，概念图的比较已得到广泛研究和应用。不过，事件网络与图和概念图在结构和意义上有显著差异，现有的匹配方法不能直接用于事件网络匹配，因此需要研究新的匹配方法。

2. 前期工作

2.1 事件与事件相似度

事件是人类认知的基本单位，源于认知科学，常见于哲学、认知科学、语言学和人工智能等领域的文本中。不同应用对事件的定义差异很大，但大多强调事件属性的两个类别：动作（动词或动作名词）和动作特征（参与者、地点、时间等），这些属性称为事件元素。

事件识别和事件聚类对于基于事件的信息查询、自动问答和自动摘要等至关重要，而这些都与事件相似度直接相关。计算两个事件相似度的方法是：先计算对应事件元素的相似度，再通过元素相似度的加权求和得到两个事件的相似度。给定两个事件 $e_1$ 和 $e_2$，表示为：
$e_1 = (H_{11}, H_{12}, \cdots, H_{1n})$
$e_2 = (H_{21}, H_{22}, \cdots, H_{2n})$
计算 $e_1$ 和 $e_2$ 相似度的公式为：
$\tex