基于SVM的突發(fā)事件新聞話題跟蹤方法研究.pdf

1、移動互聯網的發(fā)展使得人們進入了一個信息極度豐富的時代。網絡信息規(guī)模的急劇膨脹和凌亂無章，又使得人們對有價值信息的發(fā)現和管理變得越來越困難。突發(fā)事件的隨機性和不確定性，使得決策者掌握的信息有可能不全面和不及時，并且在信息的反饋和處理過程中，信息的準確性和有效性也難以保證，導致信息失真。如何能全面準確地獲取相關報道和突發(fā)事件的發(fā)展演變信息成為目前需要解決的問題。
　　話題檢測技術能從新聞報道流中自動檢測出最新的新聞主題，并將新聞報道及

2、時地按照話題組織起來;話題跟蹤技術則能追蹤特定的新聞主題。因此，話題檢測和跟蹤技術的應用將能有效地管理和組織新聞信息，滿足人們對新聞信息的特殊需求。本文對突發(fā)事件的后續(xù)報道進行跟蹤，根據用戶事先確定的感興趣的話題，對大規(guī)模的海量信息進行實時過濾，生成相關話題的持續(xù)進展情況，進而掌握事件的全貌。
　　本文采用構建多個子向量的多向量空間模型的方法來表示突發(fā)事件新聞文檔。在對常見的文本分類算法分析的基礎上，采用了基于SVM分類算法的方法

3、實現了話題跟蹤系統。針對話題跟蹤過程中話題本身的漂移現象，提出了改進的話題跟蹤系統，對跟蹤過程中偽相關反饋包含的新穎信息進行檢測和建模，并在此基礎上使用多向量空間模型動態(tài)調整話題空間，以跟蹤話題漂移，降低漏檢率。
　　本文的主要工作有:
　　1.對已經下載加工好的突發(fā)事件新聞語料進行分析，采用詞語作為候選特征并將特征詞劃分為五類（人名、時間名、地點名、組織機構名、內容）并形成五個子向量，用五個子向量空間模型來表示新聞文檔。計

4、算時間相似度和地點相似度計算的時候分別采用了報道時間距離和關聯度的計算方法，同時在特征詞的權重計算時考慮了特征詞的位置信息。最后把突發(fā)事件文本的信息分為兩類，即客觀信息和主觀信息，為進一步研究奠定理論基礎。
　　2.在報道關聯檢測中，采用了多向量模型構建和基于SVM的分類算法相結合的方法進行檢測，取得了較好的效果。
　　3.針對話題跟蹤過程中話題本身的漂移現象，采用改進的基于核心和新穎部分的方法構建了話題跟蹤系統。