基于主题要素的突发事件后续报道追踪方法研究

论文摘要

话题检测与跟踪(TDT)作为一项帮助人们解决信息过载问题的研究,以实现对新闻媒体信息流中新话题的自动识别和对已知话题的动态跟踪,以新闻专线、广播、电视等媒体信息流为处理对象,将语言形式的信息流分割为不同的新闻报道,监控对新话题的报道,并将涉及某个话题的报道组织起来以某种方式呈现给用户。它的研究目标是要实现按话题查找、组织并利用来自多种新闻媒体的多语言信息。话题跟踪是TDT的子任务之一,本课题对突发事件的后续报道进行追踪,让人们可以知道该事件的最新动态,从整体上了解一个事件的全部细节以及该事件与其他事件之间的联系。本文研究了基于主题要素的向量空间模型,采用查询向量的话题跟踪方法,对突发事件新闻的后续报道进行追踪。考虑到新闻报道6大基本要素(5W1H)的重要性,本文尝试性地利用报道中的时间信息和地点信息以及事件内容来表示新闻文档,从而便于对突发事件新闻的后续报道进行追踪,提高跟踪效率。本文的主要工作有:1.通过对网上下载的突发事件新闻报道进行统计,深入分析了突发事件新闻报道本身特点以及与相关后续报道之间的联系,以便利用时间信息和地点信息。同时,根据国家的行政区域划分建立了包括省、市、区、县、乡镇等的地名库。此外,对事件、报道、后续报道等相关概念进行了扩充。2.对时间信息和地点信息的使用特点进行了分析,通过命名实体器识别,抽取并规范了新闻文本中的时间和地名。对于时间信息,比较了事件信息和报道时间信息之间的先后关系。通过地名粒度之间的相关度和地名在新闻文本中的位置等信息来计算地名之间的相似度。3.将时间信息、地名信息与事件内容结合起来表示新闻文档,提出了基于主题要素的突发事件新闻追踪算法,利用时空信息提高事件跟踪效率。4.设计了一个实验系统,可以抽取地名和报道时间并进行相似度计算和突发事件新闻的跟踪。为了证明本文研究方法的有效性,我们从收集的突发事件新闻语料中选择了20个事件共880篇报道进行了实验,实验结果表明本文所提出的方法在一定程度上提高了话题跟踪的效率。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 话题检测与跟踪的研究背景
• 1.2 话题检测与跟踪的国内外研究现状
• 1.2.1 各种会议、评测、项目的推动
• 1.2.2 话题跟踪的国内外研究现状
• 1.3 本课题研究的目的、意义和主要工作
• 1.3.1 研究的目的和意义
• 1.3.2 主要工作
• 1.4 论文结构
• 第二章 话题检测与跟踪技术
• 2.1 话题检测与跟踪技术概述
• 2.1.1 TDT基本概念
• 2.1.2 TDT任务划分
• 2.2 话题跟踪的常用技术
• 2.2.1 话题/报道模型
• 2.2.2 相似度计算
• 2.2.3 聚类分类策略
• 2.2.4 话题跟踪的关键问题
• 2.2.5 话题跟踪的常用方法
• 第三章 突发事件新闻及其主题要素
• 3.1 突发事件定义及其报道特点
• 3.1.1 突发事件定义
• 3.1.2 突发事件新闻报道特点
• 3.2 突发事件新闻主题要素及其后续报道
• 3.2.1 什么是新闻主题要素
• 3.2.2 新闻主题要素分析
• 3.2.3 突发事件后续报道相关概念
• 第四章 突发事件新闻时空主题要素
• 4.1 新闻报道的时空信息识别
• 4.2 新闻报道的时间信息
• 4.2.1 时间信息特点分析
• 4.2.2 相关时间信息抽取与规范化
• 4.2.3 时间关系
• 4.3 新闻报道的地点信息
• 4.3.1 地点信息特点分析
• 4.3.2 地名库建立和地名信息抽取与规范化
• 4.3.3 地名间相似度计算
• 第五章 基于主题要素的突发事件新闻后续报道追踪算法
• 5.1 后续报道追踪流程
• 5.2 新闻事件模型
• 5.2.1 新闻预处理
• 5.2.2 新闻事件/报道模型
• 5.2.3 相似度计算
• 5.3 基于主题要素的突发事件后续报道追踪算法
• 5.3.1 算法思想
• 5.3.2 追踪算法描述
• 第六章 实验与实验结果分析
• 6.1 实验组织与实验结果评价
• 6.1.1 语料准备
• 6.1.2 实验内容
• 6.1.3 实验评价
• 6.2 实验结果与分析
• 6.3 一个事件的处理流程示例
• 第七章 结束语
• 7.1 本文工作总结
• 7.2 今后研究工作方向
• 参考文献
• 致谢
• 发表文章目录
• 个人简况及联系方式