一种重要新闻事件检测和摘要的方法

1.一种重要新闻事件检测的方法，包括以下步骤：(1)计算出新闻视频库里所有新闻事件的相似度；(2)根据新闻事件的相似度，采用聚类算法，把所有新闻事件分割为一个个新闻事件聚类；(3)基于上述得到的事件聚类，根据聚类中的成员数目及播报的频道和时间信息，检测出新闻中的重要事件。
2.如权利要求1所述的一种重要新闻事件检测的方法，其特征在于：步骤(1)中，首先进行镜头边界检测，把新闻视频库中的每个新闻事件分割为镜头；然后把每对相似镜头的相似值作为权值赋给G＝(X，Y，E}的每条边，这时的G就转化为一个带权的二分图，其中，X和Y表示两个新闻事件，E表示事件X和Y中每对镜头的相似值，使用图论的最优匹配算法，计算两个新闻事件X和Y的相似度为SimOM(X,Y)=ωOM(X,Y)min(p,q)--(1)]]>其中，ωOM(X，Y)是在最优匹配算法以后得到的总权值，p和q表示事件X和Y的镜头数目，min(p，q)表示取p和q中的最小值。
3.如权利要求2所述的一种重要新闻事件检测的方法，其特征在于：步骤(1)中，使用时空切片算法进行镜头边界检测。
4.如权利要求2所述的一种重要新闻事件检测的方法，其特征在于：步骤(1)中，计算两个新闻事件X和Y的相似度时，采用的图论的最优匹配算法是Kuhn-Munkres算法。
5.如权利要求1或4所述的一种重要新闻事件检测的方法，其特征在于：步骤(2)中，采用的聚类算法如下：给定新闻视频库中的所有事件，把所有事件之间的相似度建模为一个带权图G＝(V，E)，其中，V是新闻事件的集合，E是边的集合，表示新闻事件之间的相似度，本发明分解G为一个个子图，分解的原则是最小化聚类里的距离，同时最大化聚类间的距离，基于这个原则，本发明采用了标准化分割算法，循环地分解G为事件的聚类，标准化分割算法可以全局优化地分割G为两个不相邻的集合A和B，这是通过最小化下列公式实现的：Ncut(A,B)=cut(A,B)volume(A)+cut(A,B)volume(B)---(2)]]>其中cut(A,B)=ΣX∈A,Y∈BSimOM(X,Y)---(3)]]>volume(A)=ΣX∈A,Y∈VSimOM(X,Y)---(4)]]>volume(B)=ΣX∈B,Y∈VSimOM(X,Y)---(5)]]>cut(A，B)是集合A中的事件和集合B中事件相似度的总和，volume(A)是集合A和集合V中事件相似度的总和，volume(B)是集合B和集合V中事件相似度的总和，SimOM(X，Y)是指公式(1)，表示事件X与事件Y的相似度，公式(2)可以表示为：D-12(D-W)D-12z=λz---(6)]]>其中，D和W是|V|×|V|的矩阵，D是一个对角阵，D(X,Y)=Σy∈VSimOM(X,Y),]]>W是一个对称阵，W(X，Y)＝SimOM(X，Y)，在公式(6)，对应第二小特征值的特征向量被用于找到集合A和B，0被选择作为分割点，分割特征向量成为对应集合A和B的两个部分，上述算法被循环使用，直到某个聚类里所有事件相似度的平均值小于μ+ασ，μ和σ分别是图G中所有事件相似度的均值和方差，α是一个试验参数。
6.如权利要求5所述的一种重要新闻事件检测的方法，其特征在于：步骤(3)中，检测重要新闻事件使用下面两个规则：(A)聚类大小规则：即一个事件播报次数的多少决定它是否是重要事件，根据用户指定的摘要时间，按照事件聚类成员的数目，从高到低选择重要事件；(B)播报的频道和时间规则：即如果几个事件聚类中的成员数目一样，则不同电视频道播报的事件，比仅仅一个频道播报的事件重要；和在不同时间段播报的同一事件，比仅仅一天的某一个时间播报的事件重要。
7.如权利要求1所述的一种重要新闻事件检测的方法，其特征在于：步骤(3)中，检测重要新闻事件使用下面两个规则：(A)聚类大小规则：即一个事件播报次数的多少决定它是否是重要事件，根据用户指定的摘要时间，按照事件聚类成员的数目，从高到低选择重要事件形成新闻摘要；(B)播报的频道和时间规则：即如果几个事件聚类中的成员数目一样，则不同电视频道播报的事件，比仅仅一个频道播报的事件重要；和在不同时间段播报的同一事件，比仅仅一天的某一个时间播报的事件重要。
8.一种重要新闻事件摘要的方法，包括以下步骤：(1)计算出新闻视频库里所有新闻事件的相似度；(2)根据新闻事件的相似度，采用聚类算法，把所有新闻事件分割为一个个新闻事件聚类；(3)基于上述得到的事件聚类，根据聚类中的成员数目及播报的频道和时间信息，检测出新闻中的重要事件；(4)通过聚类中的代表事件来表示检测到的重要事件，并在选择的重要事件聚类C中，选择一个代表事件作为重要新闻摘要。
9.如权利要求8所述的一种重要新闻事件摘要的方法，其特征在于：步骤(4)在选择的重要事件聚类C中，选择一个代表事件作为新闻摘要的方法如下：选择在事件聚类中的中心点即中心事件作为该聚类的代表事件，所述的中心事件M。是在该聚类中和所有其它事件的相似度的和是最大的事件，如下列公式所示：Mc=maxx∈C{Σy∈CSimOM(x,y)}---(7)]]>其中，Mc表示选取的中心点即中心事件，max表示取最大值，C表示选择的重要事件聚类，SimOM(X，Y)表示两个事件X和Y的相似度。

暂无