基于新聞時空要素的新事件檢測方法研究.pdf

1、隨著互聯網技術的迅速發(fā)展以及計算機用戶的急劇增加，互聯網已經成為人們獲取信息的一項主要途徑。然而互聯網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絡信息資源中獲取到有用的信息。尤其是在當今社會，突發(fā)事件已經成為困擾世界各國的重大問題，人們對突發(fā)事件的發(fā)生以及影響比較關注，相關人員需要第一時間掌握相關動態(tài)。本文的研究對象——新事件檢測(NED)的目標就是檢測出報道一個新聞話題種子事件的第一篇新聞。
　　本文主要針對時

2、間與地點在新聞報道中的作用進行研究，把時間與地點作為新聞報道間計算相似度的重要測度。并針對新事件檢測過程中新聞簇的漂移現象進行了一定的分析研究，設計相關的新聞簇模板更新算法來減少漂移給新事件檢測帶來的影響。本文的主要工作為以下幾點:
　　1.本文采用特征加權的方式對傳統的tf-idf模型進行改進。設置了一個參數ω，用參數ω來調整特征項權值的大小，這樣就對一些詞頻低，但是比較重要的特征詞的權重做了適當的放大，從而提高新事件檢測的準確

3、率。
　　2.設計了一個基于主題要素的突發(fā)事件新聞新事件檢測算法，利用時空信息提高新事件檢測效率。對時間信息與地點信息進行規(guī)范化，分別計算出新聞報道與新聞簇的時間相似度與地點相似度;并將時間相似度、地點相似度與內容相似度三者結合起來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更新算法，讓新聞簇模板的表示隨著新聞報道的不斷加入而發(fā)生變化。
　　4.設計了一個實驗系統，分為五組實驗，并從失報率、錯報率、標準