

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著互聯網技術的飛速迅猛發(fā)展,互聯網用戶可以更加容易地從網絡上獲取日常關心的熱點話題。網絡新聞已然成為人們獲取新聞信息的主要媒介之一,相比傳統(tǒng)新聞媒體,網絡新聞在報道重大事件上更具有時效性與互動性。在這個時間就是金錢,效率就是生命的當代社會,如何有效組織某個熱門新聞話題幫助用戶快速了解熱點事件已經成為人們亟待解決的認知需求。
話題發(fā)現與追蹤是近幾十年自然語言處理、信息檢索領域的一項熱門研究方向,該技術能有效幫助人們快速組織網絡
2、上的海量信息,緩解人們面對海量新聞時的無力感,此外,國家機關需要快速了解廣大群眾面對輿情事件的態(tài)度并做出相應決策。因此,面向網絡新聞的熱點話題發(fā)現具有現實需求意義。
運用于該領域的主流模型有VSM(Vector Space Model)和LDA(Latent DirichletAllocation)模型,到目前為止,這兩個模型在該領域的研究取得了較好的效果。傳統(tǒng)VSM運用于該領域時建模過程簡單,操作容易,但是忽略了文本內容的語
3、義相關性;而LDA模型能有效解決這個問題,能充分地表達文本內容的語義,但在運用于該領域的文本表示時需要人為設定話題數目的K值。
針對上述問題,本文做了一些相關的研究工作。本文的主要貢獻和創(chuàng)新點如下:
1.本文提出一種基于VSM與ILDA(Infinite LDA)聯合建模的新聞話題發(fā)現算法,該聯合建模方法能充分利用兩種模型各自優(yōu)勢并能避免使用單一模型的不足,有效地解決了話題發(fā)現領域文本建模所面臨的問題。
2
4、.考慮到新聞標題能簡要概括新聞報道的核心內容,即標題中出現的特征詞應當給與更高的權重,本文改進了傳統(tǒng)的TF-IDF算法,給予同時出現在標題和正文的特征詞更高的權重,有效保證特征提取的正確性和有效性。
3.在此話題發(fā)現算法的基礎上,我們引入衰老理論,提出基于能量熱度的熱點話題排序算法,首先利用衰老理論對話題建模,然后對各時間片內產生的話題分別進行能量熱度計算,并關聯相鄰一段時間片該話題的能量熱度,然后利用話題衰減移除算法刪除能量
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于VSM-BTM主題模型的微博熱點話題發(fā)現研究.pdf
- 基于主題模型和混合模型的微博客交叉話題發(fā)現研究.pdf
- 基于外觀模型與運動估計聯合建模的在線目標跟蹤.pdf
- 基于主題模型的微博話題發(fā)現與話題摘要.pdf
- 基于LDA模型和密度聚類的新聞話題檢測.pdf
- 基于向量空間模型和LDA模型相結合的微博客話題發(fā)現算法研究.pdf
- 基于向量空間模型和lda模型相結合微博客話題發(fā)現算法的研究
- 基于LDA融合模型和多層聚類的新聞話題檢測.pdf
- 基于LDA模型與聚類的網絡新聞熱點話題發(fā)現研究.pdf
- 基于增量聚類的新聞話題發(fā)現研究.pdf
- 基于對象和動作聯合建模的圖像標注技術研究.pdf
- 基于SIMPACK的某型列車整車剛柔耦合建模及模型修正.pdf
- 基于事件-時間關聯模型的新聞話題檢測與動態(tài)演化跟蹤.pdf
- 基于VSM模型和特征選擇算法的中文文本自動分類研究.pdf
- 基于粒度和概念格的知識發(fā)現模型研究.pdf
- 設備維護和備件庫存的聯合建模與決策研究.pdf
- 新聞熱點話題自動發(fā)現方法.pdf
- 基于互聯網圖片的幾何與材質聯合建模.pdf
- 28609.多尺度聯合建模與聯合反演
- 基于QoS的服務發(fā)現改進模型.pdf
評論
0/150
提交評論