隨著移動(dòng)通信技術(shù)的發(fā)展,手機(jī)應(yīng)用市場呈現(xiàn)日益繁榮的景象,其中新聞?lì)悜?yīng)用程序?yàn)橛脩艚邮招侣勑畔⑻峁┝藰O大的便利。但是,實(shí)時(shí)更新的新聞推送使用戶端獲取的新聞過于冗雜,事件主題分布散亂,使用戶難以在短時(shí)間內(nèi)瀏覽自己所關(guān)注的新聞事件。因此,把新聞按照事件歸類后再進(jìn)行推送,將使用戶端的新聞組織更加簡潔有效,可以提高用戶的瀏覽效率,所以對(duì)新聞進(jìn)行事件粒度的聚類研究具有重要的現(xiàn)實(shí)意義。本文主要工作如下:（1）介紹本文的課題背景和研究意義,調(diào)研并總結(jié)國內(nèi)外關(guān)于新聞事件聚類的研究現(xiàn)狀;介紹新聞事件聚類的基本過程和相關(guān)技術(shù);分析當(dāng)前新聞事件聚類的不足之處。（2）針對(duì)目前的新聞事件表示方法只能有效提取給定類型的事件以及難以有效構(gòu)建語義環(huán)境的不足,本文提出一種句子級(jí)的無監(jiān)督事件信息提取算法,并設(shè)計(jì)一種基于語義關(guān)系圖的事件表示算法。首先,從各新聞中提取與新聞事件直接相關(guān)的語義單元;然后,構(gòu)建與新聞?wù)Z料對(duì)應(yīng)的語義環(huán)境,即根據(jù)語義單元中詞項(xiàng)之間的關(guān)聯(lián)構(gòu)建與新聞對(duì)應(yīng)的局部語義關(guān)系圖;最后,將多個(gè)新聞對(duì)應(yīng)的語義關(guān)系圖進(jìn)行合并,得到全局語義關(guān)系圖,語義關(guān)系圖表示各新聞之間的關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明,本文提出的事件表示算法具有較... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

語義關(guān)系圖的構(gòu)建結(jié)果

圖 3.2 語義關(guān)系圖的刪減結(jié)果添加實(shí)驗(yàn)，在初始新聞數(shù)量的基礎(chǔ)上增加 418 篇新 篇以及 4 個(gè)新的事件，共得到 2114 個(gè)結(jié)點(diǎn)和 4057 3.3 所示。由圖可知，結(jié)點(diǎn)間的分布與事件數(shù)量相符其中紅圈中的兩個(gè)事件語義相關(guān)，對(duì)應(yīng)結(jié)點(diǎn)簇之間塊度 Q 和平均聚類系數(shù) ACC 的值分別為 16、0.7相同，模塊度 Q 和平均聚類系數(shù) ACC 較原始語義對(duì)應(yīng)的簇分布。

圖 3.2 語義關(guān)系圖的刪減結(jié)果的添加實(shí)驗(yàn)，在初始新聞數(shù)量的基礎(chǔ)上增加 418 篇新聞05 篇以及 4 個(gè)新的事件，共得到 2114 個(gè)結(jié)點(diǎn)和 4057 條圖 3.3 所示。由圖可知，結(jié)點(diǎn)間的分布與事件數(shù)量相符，其中紅圈中的兩個(gè)事件語義相關(guān)，對(duì)應(yīng)結(jié)點(diǎn)簇之間的模塊度 Q 和平均聚類系數(shù) ACC 的值分別為 16、0.733量相同，模塊度 Q 和平均聚類系數(shù) ACC 較原始語義關(guān)到對(duì)應(yīng)的簇分布。

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的基于知網(wǎng)的詞語語義相似度算法[J]. 張小川,于旭庭,張宜浩.  計(jì)算機(jī)應(yīng)用研究. 2018(08)
[2]基于圖的新聞事件主題句抽取方法[J]. 王雍凱,毛存禮,余正濤,郭劍毅,洪旭東,羅林.  南京理工大學(xué)學(xué)報(bào). 2016(04)
[3]一種基于事件本體的文本事件要素提取方法[J]. 劉煒,劉菲京,王東,劉宗田.  中文信息學(xué)報(bào). 2016(04)
[4]基于詞共現(xiàn)的文檔表示模型[J]. 常鵬,馮楠.  中文信息學(xué)報(bào). 2012(01)
[5]一種基于主題的文本聚類方法[J]. 趙世奇,劉挺,李生.  中文信息學(xué)報(bào). 2007(02)

碩士論文
[1]基于事件網(wǎng)絡(luò)的話題跟蹤研究[D]. 王東.上海大學(xué) 2013



本文編號(hào)：3494990