基于語(yǔ)義結(jié)構(gòu)和時(shí)序特征的話題檢測(cè)與跟蹤技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)在世界范圍內(nèi)的普及和發(fā)展，信息的傳播與交互方式突破了傳統(tǒng)時(shí)間與地域的限制?；诨ヂ?lián)網(wǎng)的這一優(yōu)勢(shì)，新聞媒體逐步將其作為新聞報(bào)道傳輸與發(fā)布的重要平臺(tái)。但是，網(wǎng)絡(luò)信息的海量化、無(wú)序性和持續(xù)拓展性制約了新聞話題的有效識(shí)別、采集和組織。如何智能化、精確化地自動(dòng)挖掘新聞話題并追蹤其動(dòng)態(tài)演變過(guò)程，逐漸成為網(wǎng)絡(luò)信息處理研究領(lǐng)域的重要課題。話題檢測(cè)與跟蹤(簡(jiǎn)稱 TDT)即是針對(duì)這一課題提出的研究方向，它也為信息檢索、數(shù)據(jù)挖掘和自然語(yǔ)言處理等技

2、術(shù)提供了全新的多語(yǔ)言測(cè)試平臺(tái)。
　　本文首先針對(duì)TDT中的話題關(guān)聯(lián)檢測(cè)任務(wù)提出一種基于語(yǔ)義域語(yǔ)言模型的相關(guān)性判定方法。關(guān)聯(lián)檢測(cè)融會(huì)了篇章理解和語(yǔ)義分析等相關(guān)性判定的本原問題，對(duì)后續(xù)各項(xiàng)TDT任務(wù)的研究具有重要意義。語(yǔ)義域語(yǔ)言模型的核心思想是為報(bào)道建立凝聚于不同語(yǔ)義的結(jié)構(gòu)體，借以從語(yǔ)義層面判定報(bào)道的相關(guān)性。該研究驗(yàn)證：基于語(yǔ)義對(duì)報(bào)道內(nèi)容進(jìn)行劃分與組織有助于建立更為清晰易懂的話題模型。
　　其次，本文針對(duì)TDT中的新事件檢測(cè)任務(wù)

3、先后提出基于子話題分治匹配和基于時(shí)序話題模型的檢測(cè)方法。新事件檢測(cè)側(cè)重挖掘新聞話題的種子事件和構(gòu)建話題初始質(zhì)心，對(duì)識(shí)別話題的后續(xù)相關(guān)報(bào)道具有標(biāo)桿式作用。因而，新事件檢測(cè)是后續(xù)話題跟蹤任務(wù)重要的輔助性研究?；谧釉掝}分治匹配的檢測(cè)方法繼承語(yǔ)義域切分的思想，將話題構(gòu)造為語(yǔ)義不同的多個(gè)子話題，并在話題與報(bào)道之間獨(dú)立地匹配子話題相關(guān)性，最終基于相關(guān)子話題的分布概率判定新話題首次報(bào)道。在此基礎(chǔ)上，時(shí)序話題模型將子話題的來(lái)源歸因于不同相關(guān)事件的出現(xiàn)

4、。為此，該模型將話題描述為對(duì)應(yīng)不同時(shí)間的事件集，并基于“同時(shí)同事”原則高效地匹配話題與報(bào)道的相關(guān)性。此外，時(shí)序話題模型嘗試基于時(shí)間表達(dá)式的分布屬性，挖掘話題的種子事件和新穎事件，并基于這些事件對(duì)話題演化趨勢(shì)的影響合理調(diào)整相關(guān)性匹配中的權(quán)重分配，借以提高新事件檢測(cè)的準(zhǔn)確率。
　　再次，本文針對(duì)TDT中的自適應(yīng)話題跟蹤任務(wù)提出增量式的新穎性學(xué)習(xí)方法。話題跟蹤的主要任務(wù)是在時(shí)序新聞報(bào)道流中識(shí)別特定話題的后續(xù)相關(guān)報(bào)道。其難點(diǎn)在于如何根據(jù)系

5、統(tǒng)反饋?zhàn)詣?dòng)地學(xué)習(xí)話題的演化趨勢(shì)和漂移觸發(fā)點(diǎn)，借以增強(qiáng)話題模型的跟蹤適應(yīng)性。增量式的新穎性學(xué)習(xí)方法繼承了新穎事件在描述話題演化趨勢(shì)中的重要作用，并在此基礎(chǔ)上融入突發(fā)式新穎事件的挖掘與應(yīng)用，從而進(jìn)一步提高話題模型跟蹤話題漂移趨勢(shì)的能力。
　　最后，本文提出基于二元近似關(guān)系的信息過(guò)濾技術(shù)。信息過(guò)濾的根本任務(wù)是屏蔽動(dòng)態(tài)信息流中的噪聲，借以更為精準(zhǔn)地獲取相關(guān)信息。本課題將信息過(guò)濾融入TDT研究體系的原因在于，針對(duì)時(shí)序新聞報(bào)道流的檢測(cè)與跟蹤過(guò)

6、程普遍受制于噪聲的干擾。為此，本文嘗試借助概率模型的改進(jìn)和數(shù)據(jù)分布特性的應(yīng)用提高噪聲過(guò)濾性能。其中，基于二元近似關(guān)系的過(guò)濾技術(shù)側(cè)重利用相關(guān)信息與噪聲異同的分布特點(diǎn)屏蔽概率模型中的噪聲特征。
　　總體而言，本文將TDT中的主要任務(wù)整合為相互銜接的研究架構(gòu)，逐步探索有效識(shí)別、挖掘和組織新聞信息的新方法。其中面向所有任務(wù)的研究在改進(jìn)現(xiàn)有統(tǒng)計(jì)模型的基礎(chǔ)上，嘗試基于新聞信息的獨(dú)有特點(diǎn)設(shè)計(jì)技術(shù)路線，并取得了良好效果。盡管如此，本文的工作僅是針