基于要素关联词对的中文报道关系精准检测

本文主要探讨了"基于要素提取关联词对的中文报道关系检测"这一主题，发表在2013年的《计算机应用》期刊上，卷33，第1期，页码182-185。论文作者是陈智敏、蒙祖强和林成锋，他们来自广西大学计算机与电子信息学院。论文针对中文报道关系检测中的关键问题——误报率和丢失率较高，提出了创新的方法。 研究者在多向量空间模型的框架下，特别关注时间、地点、人物和内容这四个要素，通过提取这些要素的特征词形成关联词对。这种方法强调报道内容的表达，增加了检测过程中的比较依据，显著降低了误报和丢失的识别代价，具体降低了大约11%。支持向量机（SVM）被用来整合关联词对的相似度和余弦相似度，这是一种有效的策略，能够更准确地衡量报道之间的关系。 关键词包括"报道关系识别检测"、"关联词对"和"多向量空间模型"，体现出研究的核心内容和方法。该论文的研究领域被归类为T91.1（涉及自然语言处理的文本挖掘）和T91.2（文本分析和理解），文献标识码为A，表明研究具有较高的学术价值。 实验结果显示，新提出的基于要素关联词对的检测方法在实际应用中表现出良好的性能，有效验证了算法的有效性和实用性。对于中文报道关系检测领域的进一步发展，这篇文章提供了有价值的技术参考，并可能启发未来的研究者在减少误报和丢失方面进行更深入的探索。