使用層次聚類和N-gram模型的新聞熱事件檢測(cè)研究.pdf

1、傳統(tǒng)的互聯(lián)網(wǎng)基于關(guān)鍵詞檢索，根據(jù)查詢返回搜索結(jié)果。隨著互聯(lián)網(wǎng)應(yīng)用的快速發(fā)展，傳統(tǒng)的搜索已經(jīng)不能滿足日益增長(zhǎng)的搜索需求。從互聯(lián)網(wǎng)數(shù)據(jù)中提取出熱點(diǎn)推薦給用戶，引導(dǎo)用戶輸入相關(guān)性高的查詢，從而提高用戶體驗(yàn)。熱事件檢測(cè)是互聯(lián)網(wǎng)新的應(yīng)用之一，通過(guò)互聯(lián)網(wǎng)的資源挖掘，獲得熱點(diǎn)事件展示給用戶。不同傳統(tǒng)的話題檢測(cè)和事件檢測(cè)，熱事件檢測(cè)更關(guān)注檢測(cè)出的事件具有一定的熱度和流行性，并能具有一定的可讀性。簡(jiǎn)單準(zhǔn)確地從互聯(lián)網(wǎng)數(shù)據(jù)中提取出熱事件是當(dāng)前互聯(lián)網(wǎng)很有意義的

2、一項(xiàng)挑戰(zhàn)。
　　 論文中提出了一種新的結(jié)合層次聚類和語(yǔ)義模型的方法，從流式新聞中挖掘出相應(yīng)的熱詞，并通過(guò)熱詞聚類組成備選事件，然后將事件中的代表性熱詞序列化構(gòu)成描述性短語(yǔ)以表示熱點(diǎn)事件，來(lái)幫助用戶從互聯(lián)網(wǎng)的數(shù)據(jù)中準(zhǔn)確識(shí)別出感興趣的熱事件，進(jìn)而完成進(jìn)一步的搜索。將所提出的方法運(yùn)用于簡(jiǎn)單聚合新聞中的熱事件檢測(cè)，通過(guò)實(shí)驗(yàn)表明這種方法具有較好的準(zhǔn)確性。提出了一種熱事件的表示方法，利用N-gram 定義了一種事件度量單位偽事件，用來(lái)檢測(cè)熱