基于語義和鏈接的話題跟蹤方法.pdf

1、作為自然語言處理一個新的研究方向，話題識別與跟蹤旨在發(fā)展一系列基于事件的信息組織技術(shù)，以實現(xiàn)對新聞媒體信息中新話題的自動識別以及對已知話題的動態(tài)跟蹤。話題識別與跟蹤(TDT)技術(shù)可以把分散的信息有效地匯集并組織起來，使人們能夠從整體上了解一個事件的全部細(xì)節(jié)以及該事件與其它事件之間的關(guān)系。 話題跟蹤作為話題識別與跟蹤的一項子任務(wù)，是指根據(jù)給出的某一話題的一則或多則報道，把與該話題相關(guān)的報道聯(lián)系起來。本文主要研究了話題跟蹤，在借鑒國

2、內(nèi)外關(guān)于話題跟蹤研究的先進(jìn)技術(shù)的同時，也對新聞報道的自身特點進(jìn)行了有益的探索。將語義和鏈接分析引入到了話題跟蹤方法中，利用鏈接則對Web新聞網(wǎng)頁的針對性更強，利用語義則對新聞報道內(nèi)容刻畫更形象具體。實驗證明基于語義和鏈接的跟蹤方法提高了跟蹤的性能。 Web新聞網(wǎng)頁不同于傳統(tǒng)的文本文檔，一部分Web新聞網(wǎng)頁以新聞圖片和相關(guān)鏈接為主，而只有極少的文字內(nèi)容，這使得傳統(tǒng)的基于內(nèi)容計算的話題跟蹤方法很難發(fā)揮好的效果。因此，本文主要研究了鏈

3、接分析在Web話題跟蹤中的應(yīng)用，提出了一種基于內(nèi)容計算和鏈接分析相結(jié)合的針對Web新聞信息的話題跟蹤方法。 由于向量空間模型中的向量維數(shù)較高，重要的特征詞經(jīng)常會被區(qū)分能力較弱的特征詞所淹沒，且對事件表示不夠形象直觀，本文提出了一種利用語義框架來表示話題和報道的方法。 最后，將話題跟蹤方法應(yīng)用于科技文獻(xiàn)，使話題跟蹤思想的應(yīng)用不單單局限于新聞報道。討論了適用于科技文獻(xiàn)的權(quán)重計算方法。采用了基于同義詞的話題模型擴充方法，跟蹤過