網(wǎng)絡(luò)新聞事件演變分析方法研究.pdf

1、隨著計算機技術(shù)和互聯(lián)網(wǎng)的不斷發(fā)展，人們獲得新聞信息的主要途徑由報紙、廣播、電視等傳統(tǒng)媒介逐漸轉(zhuǎn)向網(wǎng)絡(luò)新聞媒體，互聯(lián)網(wǎng)已經(jīng)成為主要的信息傳播平臺，通過互聯(lián)網(wǎng)來了解新聞事件的網(wǎng)民數(shù)量也呈現(xiàn)遞增趨勢，隨之帶來的問題是網(wǎng)絡(luò)上出現(xiàn)大量的冗余新聞報道，包括不同新聞媒體對同一事件內(nèi)容重復(fù)的報道和新聞報道之間的相互轉(zhuǎn)載現(xiàn)象，讀者往往在大量冗余報道面前感到無從下手，如何使得網(wǎng)絡(luò)新聞讀者迅速地了解整個新聞事件的來龍去脈是亟待解決的問題。本文從讀者的角度出發(fā)

2、，對新聞事件進行百度搜索，在此基礎(chǔ)上建立了離線語料庫，在此語料庫的基礎(chǔ)上對網(wǎng)絡(luò)新聞事件之間的關(guān)系進行了進一步分析研究。本文主要研究工作如下:
　　(1)本文對網(wǎng)絡(luò)新聞事件演變分析方法進行了研究，首先提出了網(wǎng)絡(luò)新聞事件中要素是人們最為關(guān)心的信息，在事件發(fā)展過程中要素參與度是不斷變化的，網(wǎng)絡(luò)新聞演變分析的目的就是發(fā)現(xiàn)事件中要素信息與事件的相互關(guān)系，通過可視化軟件形象地展現(xiàn)給讀者。演變分析方法應(yīng)用了文本挖掘中的多文檔摘要技術(shù)和命名實體識

3、別技術(shù)，本文對這些技術(shù)進行了相關(guān)介紹。
　　(2)本文提出了一種基于字符統(tǒng)計的新聞網(wǎng)頁去重方法，該方法對網(wǎng)頁中出現(xiàn)的高頻特征字符進行了統(tǒng)計提取，對特征字符組合成的特征串進行了數(shù)字指紋計算，根據(jù)數(shù)字指紋數(shù)組之間的交集大小來判斷兩個網(wǎng)頁是否重復(fù)，通過實驗驗證了本文提出方法的有效性，去重F值達到了94.91％，本文基于該算法完成了網(wǎng)絡(luò)新聞?wù)Z料庫的構(gòu)建。
　　(3)本文提出了一種基于要素提取的時閥表摘要方法，根據(jù)新聞本身均具有基本要

4、素的特點，對新聞報道要素詞組進行了提取加權(quán)處理，在計算句子之間相似度的基礎(chǔ)上完成了轉(zhuǎn)移概率矩陣的構(gòu)建，最后在重要時間節(jié)點上進行句子抽取并完成了時間表摘要。通過網(wǎng)絡(luò)新聞?wù)Z料庫上的實驗驗證了本方法的有效性，召回率、準確率和F值平均分別達到了45％、35％、40％左右。
　　(4)本文在時間表摘要和新聞事件要素提取的基礎(chǔ)上進行了新聞事件可視化演變分析研究，通過應(yīng)用社會網(wǎng)絡(luò)分析技術(shù)，構(gòu)建新聞要素矩陣，對新聞事件中的要素信息的參與度變化完成