網(wǎng)絡(luò)新聞熱點(diǎn)發(fā)現(xiàn)研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)用戶數(shù)量不斷增加，互聯(lián)網(wǎng)成為人們關(guān)注新聞動(dòng)態(tài)、時(shí)事政治和發(fā)表觀點(diǎn)的重要平臺(tái)。與傳統(tǒng)媒體相比較，網(wǎng)絡(luò)新聞內(nèi)容涉及更全面，更新速度更快，所以網(wǎng)絡(luò)輿論也就成為社會(huì)輿論的一種重要表現(xiàn)形式。通過了解網(wǎng)絡(luò)熱點(diǎn)話題，及時(shí)掌握流行觀點(diǎn)具有十分重要的意義。
　　本文針對(duì)網(wǎng)絡(luò)新聞?wù)Z料進(jìn)行熱點(diǎn)發(fā)現(xiàn)研究。新詞發(fā)現(xiàn)是中文自然語(yǔ)言處理的基礎(chǔ)，利用改進(jìn)的關(guān)聯(lián)規(guī)則算法對(duì)網(wǎng)絡(luò)新聞進(jìn)行挖掘，相鄰、有序地輸出頻繁字符串集合，能有效地發(fā)現(xiàn)詞典中未登

2、錄詞以及當(dāng)前網(wǎng)絡(luò)中流行的熱詞。針對(duì)復(fù)合式新詞的問題給出了一種支持度比對(duì)的方法。在熱點(diǎn)新聞挖掘中，給出了根據(jù)互信息計(jì)算字符串的相似度，形成熱點(diǎn)新聞的核心詞集合，再進(jìn)行熱度計(jì)算的方法。在選取新聞?wù)Z料進(jìn)行處理時(shí)，由于新聞具有很強(qiáng)的時(shí)效性，同一時(shí)間關(guān)于同一不同報(bào)道會(huì)陳述某些相同的信息。本文改進(jìn)傳統(tǒng)的自動(dòng)算法，首先利用二元分類器對(duì)事件句與非事件句進(jìn)行初步判定，把事件句作為語(yǔ)句的候選集合，降低了運(yùn)算的時(shí)間。由于新聞數(shù)據(jù)量較大，逐一進(jìn)行分詞和關(guān)聯(lián)規(guī)則

3、計(jì)算效率太低。于是針對(duì)爬蟲技術(shù)提取到的網(wǎng)絡(luò)新聞的特點(diǎn)，本文對(duì)新聞內(nèi)容進(jìn)行自動(dòng)處理，選取一定比例的語(yǔ)句與新聞標(biāo)題作為語(yǔ)料集進(jìn)行實(shí)驗(yàn)。為了解決多新聞網(wǎng)站新聞數(shù)據(jù)量大且不易處理的問題，本文給出了一種新聞熱點(diǎn)快速查找的方法。先找出單個(gè)新聞網(wǎng)站的新聞熱點(diǎn)排名，再利用top-N算法對(duì)排名結(jié)果進(jìn)行綜合快速排名。本文選取網(wǎng)易、搜狐和新浪三大新聞網(wǎng)站從2013年2月25日到2015年3月31日的數(shù)據(jù)為語(yǔ)料源對(duì)本文的方法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，本文的方法能