健康領域熱點事件自動檢測與跟蹤.pdf

1、隨著經濟的發(fā)展,人們越來越關注健康問題,網絡作為現代化信息提供的主要來源,可以讓人們快速的獲取健康知識,但是隨著網絡信息成爆炸式增長,如何快速準確地選擇自己需要的信息越來越成為人們關注的焦點,特別是一些健康熱點信息,經常零散的分散在網絡的各個地方,讓我們很難了解一些事件發(fā)生的原因、經過和結果,所以,如何讓人們第一時間準確的了解到正在發(fā)生的健康熱點成了亟待解決的問題。話題檢測與跟蹤(TDT)一直是國內外網絡信息處理研究的一個熱點,具有廣泛

2、的應用前景。
　　針對上述問題,本文通過TDT技術對信息分類整理,實現了健康領域新聞熱點發(fā)現與跟蹤系統,此系統實時收集健康信息,用分類技術首先分門別類,然后針對每個類別,使用聚類技術進行熱點話題發(fā)現,并且完成對話題的跟蹤。最終以界面的形式呈現給用戶,使用戶可以根據自己的愛好選擇感興趣的事件,從而方便了人們快速了解健康領域各個熱點事件以及來龍去脈。本文主要分4個方面進行了介紹:
　　(1)使用基于類別特征域的KNN分類,對信息

3、進行分門別類,有助于后續(xù)聚類中精度的提高。
　　(2)利用聚類技術,在類內進行熱點發(fā)現與跟蹤,此模塊針對聚類過程中的特征高維問題,分析了健康領域的特性,提出了一種基于類別特征和領域詞典的動態(tài)特征提取方法。
　　(3)針對健康領域的特點,在相似度計算時,提出了一種基于領域詞的分解的向量空間模型表示方法。
　　(4)結合上述動態(tài)的特征選擇方法和改進的文檔向量表示方法,最終用其完成了疾病和曝光兩個領域的熱點檢測與跟蹤。