融入事件知识的新闻事件对比聚类方法

摘要

新闻事件聚类旨在从海量新闻文本中挖掘若干个不同主题的事件簇。目前事件聚类大多基于文本语义表征，忽略了事件知识的指导作用，且由于表征学习和目标聚类的迭代进行，不仅容易造成误差累积，还只能处理离线任务，限制了对实时新闻数据的处理。针对上述问题，该文提出一种融入事件知识的新闻事件对比聚类方法，该方法在文本表征的基础上，融入事件关键信息丰富事件表征；将聚类标签作为表示，同时在实例级和簇群级进行对比学习；以端到端的方式联合学习表示和簇群分配，实现对数据流的聚类。实验结果表明，该方法相较于其他基线模型，提高了3%。

关键词

事件聚类 / 事件表征 / 对比学习 / 深度聚类

基金资助

国家自然科学基金（61972186;61732005;U21B2027）; 云南高新技术产业发展项目（201606）; 云南省重大科技专项计划（202103AA080015;202002AD080001-5）; 云南省基础研究计划（202001AS070014）; 云南省学术和技术带头人后备人才（202105AC160018）