一种基于最大熵分类器的新闻事件关联特征抽取方法研究

为了能够准确的识别出新闻事件的关联关系,本文对事件的内部结构和属性特征进行了分析和研究,归纳出7种对事件关联性起到关键性作用的影响因子,并采用最大熵分类器模型来对新闻事件语料进行标注、训练,最终完成对这7种影响因子的自动抽取。结果表明:本文方法较以往方法在准确率(P)、召回率(R)以及F值上均有显著提高,其中谓词特征提取准确率由51.3%提升至81.3%,召回率由53.4%提升至73.6%,F值由52.3%提升至77.3%。

多特征关联的入侵事件冗余消除

通过对事件的源地址、宿地址和宿端口3个空间属性进行分析,枚举出事件在空间属性上的所有可能的关联特征;通过对相邻事件的时间间隔进行统计分析,提出了事件的时间关联特征可以用一个相对均方差模型描述.在此基础上给出了一种基于事件类型、空间和时间关联特征的冗余事件消除算法,它能根据冗余消除规则集实时处理入侵事件并进行冗余消除.实验结果表明,该冗余消除算法可以使冗余事件在总的事件中的比例低于1%,其冗余消除的准确性和消除程度均高于CITRA中提出的冗余消除方法.