基于图模型和膨胀卷积神经网络的交通事件要素抽取算法

摘要

本发明公开了一种基于图模型和膨胀卷积神经网络的交通事件要素抽取算法，包括步骤一利用爬虫技术爬取微博数据；步骤二针对交通事件文本的特点，对爬取到的文本做特定的预处理；步骤三：融合深度学习中的doc2vec技术与传统机器学习中的tf‑idf(term frequency‑inverse document frequency)技术将文本向量化，然后通过文本相似性构建交通事件文本图模型；步骤四：利用标签传播算法，对未标记的文本进行标记；步骤五：利用膨胀卷积神经网络(Iterated Dilated Convolutions Neural Network，IDCNN)和条件随机场(Conditional Random Filed，CRF)实现交通事件要素的提取。本发明不仅可以利用少量的微博文本标签信息通过标签传播算法来识别交通事件文本，也能抽取交通事件文本中的时间要素、地点要素、车辆要素、后果要素，同时可以识别未收录的交通地点名称。