基于增量聚類的新聞話題發(fā)現(xiàn)研究.pdf

1、隨著Internet技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)作為第四大媒體，已逐漸成為社會公眾獲取信息、傳遞信息和發(fā)布信息的主要載體。各大新聞門戶網(wǎng)站由于新聞報(bào)道的時(shí)效性和廣泛性，成為了新聞報(bào)道的“先鋒軍”。大量網(wǎng)絡(luò)新聞信息在豐富生活的同時(shí)，快速的新聞報(bào)道又會對民眾輿論和價(jià)值觀產(chǎn)生深遠(yuǎn)的影響。不僅如此，新聞報(bào)道的角度和報(bào)道數(shù)量也能從一定程度上反應(yīng)出當(dāng)前社會輿論焦點(diǎn)和主要矛盾。因此，對網(wǎng)絡(luò)新聞話題的熱點(diǎn)發(fā)現(xiàn)研究已成為一項(xiàng)緊迫而又重要的課題。在新聞話題發(fā)現(xiàn)研

2、究中，網(wǎng)絡(luò)新聞信息獲取的時(shí)效性和內(nèi)容分析的準(zhǔn)確性是話題發(fā)現(xiàn)研究的重中之重，其核心技術(shù)即新聞話題聚類技術(shù)對信息的分析準(zhǔn)確性起著極為關(guān)鍵的作用。針對話題發(fā)現(xiàn)技術(shù)的實(shí)際應(yīng)用意義，本文綜合考慮話題聚類的準(zhǔn)確性和話題分析客觀性，進(jìn)行了增量聚類算法和結(jié)合機(jī)器翻譯的聚類算法應(yīng)用兩個(gè)方向的研究。
　　本文的主要工作有如下三個(gè)方面：一是在獲取各大門戶新聞網(wǎng)站新聞報(bào)道以后，對這些報(bào)道進(jìn)行中文分詞，為了使分詞結(jié)果更加滿足于下一步分析工作，改進(jìn)了傳統(tǒng)統(tǒng)計(jì)