網(wǎng)絡(luò)新聞熱點(diǎn)發(fā)現(xiàn)研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)用戶數(shù)量不斷增加，互聯(lián)網(wǎng)成為人們關(guān)注新聞動態(tài)、時事政治和發(fā)表觀點(diǎn)的重要平臺。與傳統(tǒng)媒體相比較，網(wǎng)絡(luò)新聞內(nèi)容涉及更全面，更新速度更快，所以網(wǎng)絡(luò)輿論也就成為社會輿論的一種重要表現(xiàn)形式。通過了解網(wǎng)絡(luò)熱點(diǎn)話題，及時掌握流行觀點(diǎn)具有十分重要的意義。
　　本文針對網(wǎng)絡(luò)新聞?wù)Z料進(jìn)行熱點(diǎn)發(fā)現(xiàn)研究。新詞發(fā)現(xiàn)是中文自然語言處理的基礎(chǔ)，利用改進(jìn)的關(guān)聯(lián)規(guī)則算法對網(wǎng)絡(luò)新聞進(jìn)行挖掘，相鄰、有序地輸出頻繁字符串集合，能有效地發(fā)現(xiàn)詞典中未登

2、錄詞以及當(dāng)前網(wǎng)絡(luò)中流行的熱詞。針對復(fù)合式新詞的問題給出了一種支持度比對的方法。在熱點(diǎn)新聞挖掘中，給出了根據(jù)互信息計算字符串的相似度，形成熱點(diǎn)新聞的核心詞集合，再進(jìn)行熱度計算的方法。在選取新聞?wù)Z料進(jìn)行處理時，由于新聞具有很強(qiáng)的時效性，同一時間關(guān)于同一不同報道會陳述某些相同的信息。本文改進(jìn)傳統(tǒng)的自動算法，首先利用二元分類器對事件句與非事件句進(jìn)行初步判定，把事件句作為語句的候選集合，降低了運(yùn)算的時間。由于新聞數(shù)據(jù)量較大，逐一進(jìn)行分詞和關(guān)聯(lián)規(guī)則

3、計算效率太低。于是針對爬蟲技術(shù)提取到的網(wǎng)絡(luò)新聞的特點(diǎn)，本文對新聞內(nèi)容進(jìn)行自動處理，選取一定比例的語句與新聞標(biāo)題作為語料集進(jìn)行實(shí)驗。為了解決多新聞網(wǎng)站新聞數(shù)據(jù)量大且不易處理的問題，本文給出了一種新聞熱點(diǎn)快速查找的方法。先找出單個新聞網(wǎng)站的新聞熱點(diǎn)排名，再利用top-N算法對排名結(jié)果進(jìn)行綜合快速排名。本文選取網(wǎng)易、搜狐和新浪三大新聞網(wǎng)站從2013年2月25日到2015年3月31日的數(shù)據(jù)為語料源對本文的方法進(jìn)行驗證。實(shí)驗結(jié)果表明，本文的方法能