發(fā)布時(shí)間：2019-10-17 01:28

【摘要】：互聯(lián)網(wǎng)信息繁多且良莠不齊，用戶很難獲取到自己想要的信息。搜索引擎的出現(xiàn)幫助用戶高效率的選擇自己想要的信息。但這些信息是分散且無組織性的，需要用戶有先驗(yàn)的搜索條件。在線熱點(diǎn)話題發(fā)現(xiàn)能得到規(guī)模相對較小、具有完整描述的話題。通過一定的策略，將話題按照其影響力的大小進(jìn)行排序，使得互聯(lián)網(wǎng)用戶能節(jié)省更多的時(shí)間，在無先驗(yàn)知識的情況下，了解當(dāng)前社會上發(fā)生的大大小小事件，追蹤事件的來龍去脈。 首先，本文使用中科院的漢語詞法分析系統(tǒng)對新聞的標(biāo)題和導(dǎo)語進(jìn)行分詞、詞性標(biāo)注、命名實(shí)體識別以及去停用詞。使用空間向量模型對新聞報(bào)道進(jìn)行建模，在一定程度上降低了向量的維度，減少了建模的復(fù)雜性；同時(shí)提出基于位置信息、命名實(shí)體、特征詞突發(fā)性大小改進(jìn)的增量TF-IDF權(quán)重計(jì)算公式，實(shí)時(shí)修正特征項(xiàng)權(quán)重值，在一定程度提高了新聞報(bào)道表示模型的準(zhǔn)確性。 其次，本文基于經(jīng)典的增量Single Pass聚類算法的改進(jìn)，提出基于時(shí)間窗口的話題多中心模型的增量K-Means聚類算法，改善話題中心漂移的現(xiàn)象，減少話題模型不充分帶來的誤差，提高聚類的準(zhǔn)確度。話題往往有多個(gè)事件，隨著時(shí)間的推進(jìn)，話題的中心也逐漸發(fā)生改變，之前的話題模型很難準(zhǔn)確表示話題。通過引入話題多中心模型，使用多話題中心表示話題，能有效的解決話題漂移的現(xiàn)象。經(jīng)典的Single Pass聚類算法處理速度快，但是聚類結(jié)果不夠準(zhǔn)確，結(jié)果受新聞報(bào)道輸入的順序影響較大。通過對SinglePass初聚類結(jié)果進(jìn)行K-Means重聚類，將各話題中心而非單個(gè)報(bào)道作為迭代聚類的對象，這樣能高效的提高聚類的準(zhǔn)確性。 最后，本文提出新的能量積累函數(shù)，利用媒體關(guān)注度、話題的競爭度、話題突發(fā)性以及話題內(nèi)聚性計(jì)算話題的熱度，能更好的區(qū)分冷門話題和熱門話題�；谠掝}衰退理論，提出感興趣用戶范圍的概念，給予不同的話題不同的衰退速度。結(jié)合話題發(fā)展變化曲線圖分析話題在整個(gè)生命周期中熱度變化情況，以及在同一時(shí)刻不同話題熱度大小排序情況，篩選出最終的熱點(diǎn)話題。
【圖文】：

第二章 話題檢測與跟蹤相關(guān)技術(shù)Single Pass 聚類算法過程簡單，聚類速度快，時(shí)間復(fù)雜度低，很適合在在線話題發(fā)現(xiàn)系統(tǒng)中使用。數(shù)據(jù)輸入順序不同，Single Pass 聚類結(jié)果不同，聚類的準(zhǔn)確度較低，因此一般會與其它策略一起使用來優(yōu)化聚類結(jié)果準(zhǔn)確度。在話題發(fā)現(xiàn)系統(tǒng)中，Single Pass 算法一次處理一篇新聞報(bào)道，初始時(shí)將第一篇新聞報(bào)道看作一個(gè)新的話題，構(gòu)建它的表示模型。然后依次處理新到來的下一篇新聞報(bào)道，將其與已有的話題模型進(jìn)行相似度比較。如果相似度最大值小于初始設(shè)置的閾值 T，說明其不屬于已有的任何一個(gè)話題，使用它創(chuàng)建新的話題模型，否則將其聚類到與之相似度最大的話題簇中。

華南理工大學(xué)碩士學(xué)位論文在發(fā)生的大大小小事情。隨著信息時(shí)代的到來，，傳統(tǒng)的媒體建立了自己的新聞網(wǎng)站如新華日報(bào)網(wǎng)（http://xh.xhby.net），瀟湘晨報(bào)（http://xxcb.rednet.cn/），新聞聯(lián)播http://news.cctv.com/），湖南衛(wèi)視網(wǎng)（http://www.hunantv.com/）。同時(shí)很多商業(yè)門戶網(wǎng)站也被相繼投資建立，如雅虎新聞、新浪新聞、鳳凰資訊等�；ヂ�(lián)網(wǎng)新聞網(wǎng)站報(bào)新聞不一定都是原創(chuàng)，而是轉(zhuǎn)載于其它的新聞網(wǎng)站。圖 4-1 是一篇新浪新聞，圖 4一篇雅虎新聞。新聞轉(zhuǎn)載網(wǎng)站“新華網(wǎng)”和“中國新聞網(wǎng)”可以看出新聞在不同的網(wǎng)站之間的轉(zhuǎn)載關(guān)系。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP393.09;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 徐新華;謝永紅;;增量聚類綜述及增量DBSCAN聚類算法研究[J];華北航天工業(yè)學(xué)院學(xué)報(bào);2006年02期

2 陳莉萍;杜軍平;;突發(fā)事件熱點(diǎn)話題識別系統(tǒng)及關(guān)鍵問題研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年32期

3 劉建曄;李芳;;一種基于密度的高性能增量聚類算法[J];計(jì)算機(jī)工程;2006年21期

4 殷風(fēng)景;肖衛(wèi)東;葛斌;李芳芳;;一種面向網(wǎng)絡(luò)話題發(fā)現(xiàn)的增量文本聚類算法[J];計(jì)算機(jī)應(yīng)用研究;2011年01期

5 洪宇;張宇;劉挺;李生;;話題檢測與跟蹤的評測及研究綜述[J];中文信息學(xué)報(bào);2007年06期

6 劉星星;何婷婷;龔海軍;陳龍;;網(wǎng)絡(luò)熱點(diǎn)事件發(fā)現(xiàn)系統(tǒng)的設(shè)計(jì)[J];中文信息學(xué)報(bào);2008年06期

7 宋丹;王衛(wèi)東;陳英;;基于改進(jìn)向量空間模型的話題識別與跟蹤[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年09期

相關(guān)博士學(xué)位論文 前3條

1 丁飛;互聯(lián)網(wǎng)社區(qū)信息交互和傳播模式的研究[D];北京交通大學(xué);2010年

2 雷震;基于事件的新聞報(bào)道分析技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2006年

3 潘新;基于復(fù)雜網(wǎng)絡(luò)的輿情傳播模型研究[D];大連理工大學(xué);2010年

本文編號：2550290