使用層次聚類和N-gram模型的新聞熱事件檢測研究.pdf

1、傳統(tǒng)的互聯(lián)網(wǎng)基于關(guān)鍵詞檢索，根據(jù)查詢返回搜索結(jié)果。隨著互聯(lián)網(wǎng)應(yīng)用的快速發(fā)展，傳統(tǒng)的搜索已經(jīng)不能滿足日益增長的搜索需求。從互聯(lián)網(wǎng)數(shù)據(jù)中提取出熱點推薦給用戶，引導用戶輸入相關(guān)性高的查詢，從而提高用戶體驗。熱事件檢測是互聯(lián)網(wǎng)新的應(yīng)用之一，通過互聯(lián)網(wǎng)的資源挖掘，獲得熱點事件展示給用戶。不同傳統(tǒng)的話題檢測和事件檢測，熱事件檢測更關(guān)注檢測出的事件具有一定的熱度和流行性，并能具有一定的可讀性。簡單準確地從互聯(lián)網(wǎng)數(shù)據(jù)中提取出熱事件是當前互聯(lián)網(wǎng)很有意義的

2、一項挑戰(zhàn)。
　　 論文中提出了一種新的結(jié)合層次聚類和語義模型的方法，從流式新聞中挖掘出相應(yīng)的熱詞，并通過熱詞聚類組成備選事件，然后將事件中的代表性熱詞序列化構(gòu)成描述性短語以表示熱點事件，來幫助用戶從互聯(lián)網(wǎng)的數(shù)據(jù)中準確識別出感興趣的熱事件，進而完成進一步的搜索。將所提出的方法運用于簡單聚合新聞中的熱事件檢測，通過實驗表明這種方法具有較好的準確性。提出了一種熱事件的表示方法，利用N-gram 定義了一種事件度量單位偽事件，用來檢測熱