自適應(yīng)話(huà)題跟蹤技術(shù)研究.pdf

1、現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)已經(jīng)滲透到人類(lèi)生活的方方面面。網(wǎng)絡(luò)上每天充斥著海量的信息并且時(shí)時(shí)更新，如何篩選甄別網(wǎng)絡(luò)信息成了一項(xiàng)日益嚴(yán)峻的研究任務(wù)。話(huà)題跟蹤技術(shù)就是在此基礎(chǔ)上發(fā)展起來(lái)的。該項(xiàng)研究主要針對(duì)新聞報(bào)道類(lèi)信息，目的是監(jiān)控新聞報(bào)道信息流，持續(xù)收集指定話(huà)題的后續(xù)報(bào)道。而具備自學(xué)習(xí)能力的話(huà)題跟蹤系統(tǒng)被稱(chēng)為自適應(yīng)話(huà)題跟蹤。
　　 本文主要進(jìn)行了以下幾方面的研究工作:首先，針對(duì)話(huà)題跟蹤任務(wù)中存在的訓(xùn)練語(yǔ)料稀疏和話(huà)題漂移問(wèn)題，本文提出了基于靜態(tài)模型

2、和動(dòng)態(tài)模型相結(jié)合的雙態(tài)話(huà)題模型自適應(yīng)技術(shù)。其中，動(dòng)態(tài)模型結(jié)合滑動(dòng)文本窗機(jī)制捕捉話(huà)題新內(nèi)容并去除過(guò)時(shí)內(nèi)容，及時(shí)反映話(huà)題側(cè)重點(diǎn)的變化，同時(shí)擴(kuò)充了話(huà)題模型的語(yǔ)料;靜態(tài)模型起制衡作用，避免可能存在的錯(cuò)誤判斷。在與現(xiàn)有話(huà)題跟蹤系統(tǒng)實(shí)驗(yàn)對(duì)比結(jié)果中，準(zhǔn)確率提高2.73％，召回率提高1.98％，綜合指標(biāo)提高2.42％。雙態(tài)話(huà)題模型可以顯著提高自適應(yīng)話(huà)題跟蹤系統(tǒng)的性能。
　　 其次，話(huà)題跟蹤中的固定閾值有初始值難以確定和調(diào)整幅度難以把握的缺點(diǎn)。針

3、對(duì)這一問(wèn)題，本文對(duì)現(xiàn)有的閾值算法進(jìn)行了總結(jié)，并結(jié)合動(dòng)態(tài)閾值模型，探討了兩種新的自適應(yīng)閾值模型算法。實(shí)驗(yàn)結(jié)果中，準(zhǔn)確率比改進(jìn)之前提高了2.65％;召回率提高了12.20％;綜合指標(biāo)提高了7.41％;而閾值適應(yīng)區(qū)間僅為0.05。即本文提出的改進(jìn)算法在不需要大量實(shí)驗(yàn)測(cè)取經(jīng)驗(yàn)值、實(shí)驗(yàn)壞點(diǎn)相對(duì)較少的優(yōu)勢(shì)下，可以達(dá)到較好的自適應(yīng)跟蹤性能。
　　 最后，針對(duì)話(huà)題模型中存在大量非重要特征噪聲這一問(wèn)題，將語(yǔ)義域話(huà)題模型首次應(yīng)用到了自適應(yīng)話(huà)題跟蹤系

4、統(tǒng)中。以新聞標(biāo)題作為報(bào)道語(yǔ)義域的凝聚核心，以句子為單位集聚報(bào)道主題，保留特征空間的主要內(nèi)容。實(shí)驗(yàn)結(jié)果中，準(zhǔn)確率提高0.96％，召回率提高4.40％，綜合指標(biāo)提高了2.64％，語(yǔ)義域話(huà)題模型在簡(jiǎn)化步驟的同時(shí)，達(dá)到了較高的系統(tǒng)性能。
　　 自適應(yīng)話(huà)題跟蹤技術(shù)是自然語(yǔ)言處理、數(shù)據(jù)挖掘、智能信息處理等各領(lǐng)域交叉學(xué)科的重點(diǎn)研究?jī)?nèi)容，又是實(shí)際生活中提供便捷信息獲取方式的重要手段。因此，無(wú)論從技術(shù)還是應(yīng)用上而言，自適應(yīng)話(huà)題跟蹤技術(shù)研究都具有廣