来源：期刊VIP网 时间：
作者：梁晨;余正涛;高盛祥;朱恩昌;
单位：昆明理工大学信息工程与自动化学院;云南省人工智能重点实验室;
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）
