新聞線索與主題探測.pdf

1、網(wǎng)絡(luò)新聞已經(jīng)成為互聯(lián)網(wǎng)時代人們獲取信息、了解天下的主要渠道。但同其他網(wǎng)絡(luò)資源一樣，存在著信息過載的問題。已有的信息檢索的成功應(yīng)用--搜索引擎，初步解決了用戶快速獲取自己想要的信息這一問題。憑借強大的搜索功能，用戶可以很快的找到其關(guān)注事件的相關(guān)新聞。但對于影響大、背景復(fù)雜的事件，簡單的新聞羅列與組織(新聞分類)已經(jīng)無法滿足互聯(lián)網(wǎng)時代人們快速吸收、理解信息的要求。自動尋找話題內(nèi)的結(jié)構(gòu)，幫助用戶理解把握事件的全局概貌和來龍去脈，理清事件的內(nèi)在

2、邏輯，成為當(dāng)下的一個研究熱點。 本文首先提出了話題結(jié)構(gòu)化的內(nèi)容，給出了自己的定義，認為一個話題的自動組織包含以下四點內(nèi)容：一個話題有多條發(fā)展線索；每條發(fā)展線索形成多個事件主題；主題和主題之間有著因果聯(lián)系和細化聯(lián)系；不同主題有著不同的影響力(重要度)。根據(jù)這個定義，首先使用基于命名實體的單遍增量聚類得到話題的線索，在聚類中提出了不同于單連接和全連接的混合連接算法；然后在每條線索內(nèi)使用NMF聚類得到線索包含的主題；接著基于相似度和是