Web新聞專題組織與生成系統(tǒng)研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展與普及，Web新聞信息呈爆炸式的增長(zhǎng)。人們希望方便快捷地從海量的Web新聞中獲取自己感興趣的信息，并能了解某一突發(fā)的新聞事件或熱點(diǎn)事件的前因后果和來龍去脈。應(yīng)用主題檢測(cè)與追蹤技術(shù)、新聞來龍去脈生成技術(shù)，實(shí)現(xiàn)對(duì)新聞信息自動(dòng)組織和專題生成，幫助用戶有效地收集、檢索和管理新聞信息，為用戶提供高層次的信息服務(wù)，這在搜索引擎、信息監(jiān)控、知識(shí)管理等應(yīng)用領(lǐng)域具有極其重要的實(shí)用意義。本文首先分析新聞專題組織與生成系統(tǒng)的基本原理與結(jié)構(gòu)

2、，及其所面臨的主要困難與相應(yīng)的技術(shù)手段，然后分別就系統(tǒng)各主要模塊的關(guān)鍵技術(shù)進(jìn)行研究，主要做了如下五個(gè)方面工作： （1）研究了當(dāng)前網(wǎng)頁信息采集所遇到的困難，設(shè)計(jì)并實(shí)現(xiàn)了Web新聞信息采集器。該采集器對(duì)寬度采集優(yōu)先策略進(jìn)行改進(jìn)，在采集過程中進(jìn)行了網(wǎng)頁類型判斷。 （2）詳細(xì)地分析了Web中導(dǎo)航條、廣告信息、版權(quán)信息等噪聲內(nèi)容使主題檢測(cè)性能下降的問題，研究了Web噪聲凈化技術(shù)，并給出了一種基于向量空間模型的網(wǎng)頁噪聲凈化方法。

3、 （3）研究了基于自適應(yīng)重心的主題檢測(cè)方法。新方法針對(duì)主題檢測(cè)中事件動(dòng)態(tài)發(fā)展可能會(huì)導(dǎo)致后繼故事判斷錯(cuò)誤的現(xiàn)象，用命名實(shí)體作為特征項(xiàng)來表示主題重心，通過組合初始的主題重心以及每一次動(dòng)態(tài)修正后的主題重心，構(gòu)建用于檢測(cè)后繼故事的總主題檢測(cè)器。 （4）研究了基于LS-SVM的新聞主題追蹤方法。該方法利用隱含語義分析（LatentSemmanticIndexing，LSI）完成文本特征降維及語義表示，然后采用支持向量機(jī)（SVM）進(jìn)行新