面向新聞話題的社交媒體文本上下文銜接研究.pdf

1、互聯(lián)網(wǎng)的快速發(fā)展使傳統(tǒng)的新聞媒體（報(bào)紙、電視等）和新社交媒體（博客、微博、論壇、推特等）共生且互補(bǔ)。新聞媒體以專業(yè)的視角對一熱點(diǎn)事件與話題提供準(zhǔn)確、客觀、深入的報(bào)道，同時(shí)，社交媒體作為一個(gè)網(wǎng)絡(luò)平臺為人們能夠及時(shí)快捷的表達(dá)和分享他們對該熱點(diǎn)事件的觀點(diǎn)和看法提供便利。
　　但現(xiàn)如今使用社交媒體的人越來越多，大量的與新聞話題無關(guān)、冗余的雜質(zhì)信息和有效的信息混淆在一起，嚴(yán)重干擾了對重要信息的提取。因此在海量的社交媒體文本中尋找與新聞話題相

2、關(guān)的信息以及人們感興趣的信息就顯得尤為重要，本文的主要任務(wù)就是建立新聞話題與社交媒體文本間的聯(lián)系，提高用戶獲取信息的效率。
　　為了實(shí)現(xiàn)上述目的，本文采用一種基于Topical N-gram Model(TNG)主題模型的社交媒體文本上下文銜接方法，該方法首先使用TNG模型對新聞文本建模以獲得主題信息。因?yàn)門NG模型考慮了詞序?qū)χ黝}特征詞的影響，在模型中加入n-gram短語，充分利用詞的上下文信息。在計(jì)算主題與社交媒體文本間的相似

3、度時(shí)，因?yàn)樾侣勎谋九c社交媒體文本在詞匯使用上的差異，我們利用主題與社交媒體文本中的詞共現(xiàn)對主題進(jìn)行調(diào)整之后再計(jì)算相似度，這樣調(diào)整后的主題中不僅包含新聞中的詞，還包含社交媒體文本中的詞，因此能夠更好的實(shí)現(xiàn)對社交媒體文本的分類。
　　此外，采用了另一種基于Word Mover's Distance(WMD)文本距離的社交媒體文本上下文銜接方法，該方法考慮到上一種方法在計(jì)算相似度過程中不能捕獲不同但相似的詞或短語的問題，采用一種新的基于