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，對事件的認識相對片面。人們對事件的片面認識會觸發(fā)錯誤的價值導(dǎo)向，帶來惡劣的社會影響。分類技術(shù)是應(yīng)對信息雜亂無序、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)的新聞領(lǐng)域信息分類只是對新聞進行簡單地分門別類，分類粒度較粗，無法對新聞描述事件的相關(guān)報道進行有效地組織;同時，傳統(tǒng)的情感方

2、面分類技術(shù)只是分析人們對于事件的情感傾向，不能全面地挖掘事件觀點，解決人們對事件的片面性認識問題。
　　針對傳統(tǒng)新聞信息分類粒度粗、人們對事件認識片面的問題，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角度集成新聞信息進行研討，定性地將新聞信息基于其描述的事件進行分類，提取出事件背后的各方觀點，并且對事件及其觀點進行量化計算，定量地展示事件及其觀點。根

3、據(jù)新聞研討廳的特點，本文提出了基于特征的事件檢測算法BFEDA(Event Detection Algorithm Based on Features)，在此基礎(chǔ)上，提出了基于事件觀點的信息分類算法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、征的事件檢測算法BFEDA。BFEDA算法從新聞中提取事件的特征:人物、時間、地點、主體;然后定性地對新聞信息進行聚類分析，實現(xiàn)對事件的檢測;定量地對檢測出的事件從自身特點和事件間的關(guān)聯(lián)兩個角度對事件進行計算，評估事件的重要性。BFEDA算法以事件的粒度對新聞信息進行分類，能夠?qū)π侣劽枋鍪录南嚓P(guān)報道進行有效地組織，并且能夠挖掘新聞中的大事件。
　　(2)在事件檢測的基礎(chǔ)上，針對事件認識的片面性問題，提出了基于事件觀點的信息分類算

5、法BOICA。BOICA算法利用能夠識別出觀點的詞語，將事件中的觀點語句抽取出來。然后定性地對抽取出的觀點語句進行聚類分析，全面地挖掘出事件的觀點;對于每一類觀點，從觀點出處的網(wǎng)頁衡量觀點，利用網(wǎng)頁的可信度和網(wǎng)頁主題對觀點的支持度定量地計算觀點，評估觀點的影響程度。BOICA算法更加注重事件的細節(jié)，能夠全面地展示關(guān)于事件的各種觀點。
　　(3)設(shè)計并實現(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)中爬取的真實數(shù)據(jù)對本文提出的B