基于新聞時(shí)空要素的新事件檢測(cè)方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展以及計(jì)算機(jī)用戶的急劇增加，互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的一項(xiàng)主要途徑。然而互聯(lián)網(wǎng)上很多重要的信息一般都被其它信息掩蓋，人們很難從如此眾多的網(wǎng)絡(luò)信息資源中獲取到有用的信息。尤其是在當(dāng)今社會(huì)，突發(fā)事件已經(jīng)成為困擾世界各國(guó)的重大問(wèn)題，人們對(duì)突發(fā)事件的發(fā)生以及影響比較關(guān)注，相關(guān)人員需要第一時(shí)間掌握相關(guān)動(dòng)態(tài)。本文的研究對(duì)象——新事件檢測(cè)(NED)的目標(biāo)就是檢測(cè)出報(bào)道一個(gè)新聞話題種子事件的第一篇新聞。
　　本文主要針對(duì)時(shí)

2、間與地點(diǎn)在新聞報(bào)道中的作用進(jìn)行研究，把時(shí)間與地點(diǎn)作為新聞報(bào)道間計(jì)算相似度的重要測(cè)度。并針對(duì)新事件檢測(cè)過(guò)程中新聞簇的漂移現(xiàn)象進(jìn)行了一定的分析研究，設(shè)計(jì)相關(guān)的新聞簇模板更新算法來(lái)減少漂移給新事件檢測(cè)帶來(lái)的影響。本文的主要工作為以下幾點(diǎn):
　　1.本文采用特征加權(quán)的方式對(duì)傳統(tǒng)的tf-idf模型進(jìn)行改進(jìn)。設(shè)置了一個(gè)參數(shù)ω，用參數(shù)ω來(lái)調(diào)整特征項(xiàng)權(quán)值的大小，這樣就對(duì)一些詞頻低，但是比較重要的特征詞的權(quán)重做了適當(dāng)?shù)姆糯?，從而提高新事件檢測(cè)的準(zhǔn)確

3、率。
　　2.設(shè)計(jì)了一個(gè)基于主題要素的突發(fā)事件新聞新事件檢測(cè)算法，利用時(shí)空信息提高新事件檢測(cè)效率。對(duì)時(shí)間信息與地點(diǎn)信息進(jìn)行規(guī)范化，分別計(jì)算出新聞報(bào)道與新聞簇的時(shí)間相似度與地點(diǎn)相似度;并將時(shí)間相似度、地點(diǎn)相似度與內(nèi)容相似度三者結(jié)合起來(lái)表示新聞文檔間的相似度。
　　3.引入了特定的新聞簇模板自動(dòng)更新算法，讓新聞簇模板的表示隨著新聞報(bào)道的不斷加入而發(fā)生變化。
　　4.設(shè)計(jì)了一個(gè)實(shí)驗(yàn)系統(tǒng)，分為五組實(shí)驗(yàn)，并從失報(bào)率、錯(cuò)報(bào)率、標(biāo)準(zhǔn)