突發(fā)事件新聞文本自動分類技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，Web已經(jīng)成為最重要的新聞媒體之一。通過瀏覽Web新聞，人們能在短時間內(nèi)了解來自不同國家和地區(qū)近期所發(fā)生的各類事件。而在眾多新聞當中，那些難以準確預測而突然爆發(fā)的，對國家和社會產(chǎn)生重大影響的突發(fā)事件新聞是人們普遍關(guān)心的焦點，如:地震、海嘯、瓦斯爆炸和交通事故等新聞。尤其是今年的“雪災”和“四川汶川大地震”，影響甚廣，給國家和人民造成了巨大的損失。其實，不論什么性質(zhì)和規(guī)模的突發(fā)事件，都必然不同程度地給國家和人民造

2、成政治、經(jīng)濟和精神上的損失。如何應對突發(fā)事件已經(jīng)成為國家和各級政府面臨的當務之急。為了滿足各級政府和社會的需求，有必要對突發(fā)事件新聞做系統(tǒng)的研究分析和信息處理，而這項研究首要任務是建立突發(fā)事件新聞語料庫。
　　構(gòu)建突發(fā)事件新聞語料庫，可以讓人們盡早、方便、全面地掌握和分析國內(nèi)外各種突發(fā)事件的發(fā)生狀況和發(fā)展趨勢，為政府及有關(guān)部門及時采取應急措施和制訂防范計劃提供科學依據(jù)。突發(fā)事件文本分類技術(shù)是構(gòu)建突發(fā)事件新聞語料庫的基礎與核心。

3、r>　　文本分類是指在給定的分類體系下，根據(jù)文本的內(nèi)容自動確定文本所屬類別的過程。文本的分類方法目前比較常用的是基于統(tǒng)計和機器學習的方法，近年來，人們把語義信息用于文本分類，并取得了一定的成果。但是對于特定領(lǐng)域，這些分類方法都具有一定的局限性。針對突發(fā)事件新聞文本，尋找一種快速便捷、分類性能高的分類方法，正是本文的研究目標。
　　本文主要對特定領(lǐng)域突發(fā)事件新聞文本的分類方法進行了研究。通過分析突發(fā)事件新聞文本的特征，提出了突發(fā)事件

4、領(lǐng)域的分類體系和編碼規(guī)則，而且采用了不同的分類方法進行實驗，最后取得了較好的實驗結(jié)果。本文的主要工作如下:
　　(1)提出了突發(fā)事件領(lǐng)域的分類體系和編碼規(guī)則。該分類體系包括3個層次，其中一級4類，二級33類，三級94類;語料編碼用16位表示。
　　(2)深入研究了突發(fā)事件新聞文本的類別特征，根據(jù)文本的類別特征詞分布情況對文本的分類進行指導。
　　(3)針對突發(fā)事件新聞文本，采用了四種分類方法:基于類別關(guān)鍵詞的分類方法、