一种从海量文本中抽取里程碑事件的方法

摘要

本发明公开了一种从海量文本中抽取里程碑事件的方法，该方法包括步骤：（1）在海量文本中抽取文件的文件夹层级关联信息，通过树形结构进行数据存储；（2）将文件名和文件的路径名进行拼接作为当前文件的文本，使用K‑Means聚类算法计算每个文件的树形距离，将具有相同层级关系的文件划分在一起作为初始聚类簇，确定K‑Means聚类算法的初始类簇大小；（3）在每一个聚类簇下进行里程碑事件和时间节点的抽取，对抽取结果做筛选后形成事件的里程碑节点列表。本发明在聚类后的每一个簇中再进行里程碑事件和事件节点的抽取，这样可以避免相同事件被抽取成多个子事件后无法合并的问题，同时也提高了抽取的准确率以及完整性。