新聞研討廳中的信息分類技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)成為人們獲取新聞信息的重要渠道。然而，互聯(lián)網(wǎng)中新聞信息雜亂無序、關(guān)聯(lián)不足、碎片化特征明顯，導(dǎo)致人們無法深入地了解新聞事件，對(duì)事件的認(rèn)識(shí)相對(duì)片面。人們對(duì)事件的片面認(rèn)識(shí)會(huì)觸發(fā)錯(cuò)誤的價(jià)值導(dǎo)向，帶來惡劣的社會(huì)影響。分類技術(shù)是應(yīng)對(duì)信息雜亂無序、關(guān)聯(lián)不足以及碎片化等信息組織難題的關(guān)鍵技術(shù)之一。傳統(tǒng)的新聞?lì)I(lǐng)域信息分類只是對(duì)新聞進(jìn)行簡(jiǎn)單地分門別類，分類粒度較粗，無法對(duì)新聞描述事件的相關(guān)報(bào)道進(jìn)行有效地組織;同時(shí)，傳統(tǒng)的情感方

2、面分類技術(shù)只是分析人們對(duì)于事件的情感傾向，不能全面地挖掘事件觀點(diǎn)，解決人們對(duì)事件的片面性認(rèn)識(shí)問題。
　　針對(duì)傳統(tǒng)新聞信息分類粒度粗、人們對(duì)事件認(rèn)識(shí)片面的問題，本文借鑒從定性到定量的綜合集成(meta-synthesis)原理，提出了從定性到定量的新聞研討廳。新聞研討廳從事件及其觀點(diǎn)角度集成新聞信息進(jìn)行研討，定性地將新聞信息基于其描述的事件進(jìn)行分類，提取出事件背后的各方觀點(diǎn)，并且對(duì)事件及其觀點(diǎn)進(jìn)行量化計(jì)算，定量地展示事件及其觀點(diǎn)。根

3、據(jù)新聞研討廳的特點(diǎn)，本文提出了基于特征的事件檢測(cè)算法BFEDA(Event Detection Algorithm Based on Features)，在此基礎(chǔ)上，提出了基于事件觀點(diǎn)的信息分類算法BOICA(Information Classification Algorithm Based on Opinions of An Event)。論文的主要工作包括以下幾方面:
　　(1)針對(duì)傳統(tǒng)新聞信息分類粒度粗的問題，提出了基于特

4、征的事件檢測(cè)算法BFEDA。BFEDA算法從新聞中提取事件的特征:人物、時(shí)間、地點(diǎn)、主體;然后定性地對(duì)新聞信息進(jìn)行聚類分析，實(shí)現(xiàn)對(duì)事件的檢測(cè);定量地對(duì)檢測(cè)出的事件從自身特點(diǎn)和事件間的關(guān)聯(lián)兩個(gè)角度對(duì)事件進(jìn)行計(jì)算，評(píng)估事件的重要性。BFEDA算法以事件的粒度對(duì)新聞信息進(jìn)行分類，能夠?qū)π侣劽枋鍪录南嚓P(guān)報(bào)道進(jìn)行有效地組織，并且能夠挖掘新聞中的大事件。
　　(2)在事件檢測(cè)的基礎(chǔ)上，針對(duì)事件認(rèn)識(shí)的片面性問題，提出了基于事件觀點(diǎn)的信息分類算

5、法BOICA。BOICA算法利用能夠識(shí)別出觀點(diǎn)的詞語，將事件中的觀點(diǎn)語句抽取出來。然后定性地對(duì)抽取出的觀點(diǎn)語句進(jìn)行聚類分析，全面地挖掘出事件的觀點(diǎn);對(duì)于每一類觀點(diǎn)，從觀點(diǎn)出處的網(wǎng)頁衡量觀點(diǎn)，利用網(wǎng)頁的可信度和網(wǎng)頁主題對(duì)觀點(diǎn)的支持度定量地計(jì)算觀點(diǎn)，評(píng)估觀點(diǎn)的影響程度。BOICA算法更加注重事件的細(xì)節(jié)，能夠全面地展示關(guān)于事件的各種觀點(diǎn)。
　　(3)設(shè)計(jì)并實(shí)現(xiàn)了新聞研討廳的原型系統(tǒng)。在原型系統(tǒng)中，利用從網(wǎng)絡(luò)中爬取的真實(shí)數(shù)據(jù)對(duì)本文提出的B