基于新聞時空要素的新事件檢測方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展以及計算機用戶的急劇增加，互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的一項主要途徑。然而互聯(lián)網(wǎng)上很多重要的信息一般都被其它信息掩蓋，人們很難從如此眾多的網(wǎng)絡(luò)信息資源中獲取到有用的信息。尤其是在當(dāng)今社會，突發(fā)事件已經(jīng)成為困擾世界各國的重大問題，人們對突發(fā)事件的發(fā)生以及影響比較關(guān)注，相關(guān)人員需要第一時間掌握相關(guān)動態(tài)。本文的研究對象——新事件檢測(NED)的目標(biāo)就是檢測出報道一個新聞話題種子事件的第一篇新聞。
　　本文主要針對時

2、間與地點在新聞報道中的作用進行研究，把時間與地點作為新聞報道間計算相似度的重要測度。并針對新事件檢測過程中新聞簇的漂移現(xiàn)象進行了一定的分析研究，設(shè)計相關(guān)的新聞簇模板更新算法來減少漂移給新事件檢測帶來的影響。本文的主要工作為以下幾點:
　　1.本文采用特征加權(quán)的方式對傳統(tǒng)的tf-idf模型進行改進。設(shè)置了一個參數(shù)ω，用參數(shù)ω來調(diào)整特征項權(quán)值的大小，這樣就對一些詞頻低，但是比較重要的特征詞的權(quán)重做了適當(dāng)?shù)姆糯?，從而提高新事件檢測的準(zhǔn)確

3、率。
　　2.設(shè)計了一個基于主題要素的突發(fā)事件新聞新事件檢測算法，利用時空信息提高新事件檢測效率。對時間信息與地點信息進行規(guī)范化，分別計算出新聞報道與新聞簇的時間相似度與地點相似度;并將時間相似度、地點相似度與內(nèi)容相似度三者結(jié)合起來表示新聞文檔間的相似度。
　　3.引入了特定的新聞簇模板自動更新算法，讓新聞簇模板的表示隨著新聞報道的不斷加入而發(fā)生變化。
　　4.設(shè)計了一個實驗系統(tǒng)，分為五組實驗，并從失報率、錯報率、標(biāo)準(zhǔn)