基于事件詞和參考鏈的Web新聞事件聚類(lèi)研究.pdf

1、新聞是重要的信息資源，隨時(shí)隨地的被報(bào)道，人們可以通過(guò)internet跨過(guò)地理的障礙獲取各種新聞信息。探測(cè)新聞事件的產(chǎn)生和追蹤事件的處理對(duì)于在快速變化的Web領(lǐng)域進(jìn)行決策制定是非常有用的。事件聚類(lèi)研究的問(wèn)題包括：多少特征能被用來(lái)決定事件聚類(lèi)，什么樣的線索模式被使用來(lái)關(guān)聯(lián)相同事件的新聞消息，聚類(lèi)策略如何通過(guò)使用在線數(shù)據(jù)影響聚類(lèi)效果，時(shí)間因素如何影響聚類(lèi)效果，多語(yǔ)言的數(shù)據(jù)如何被聚類(lèi)等等。 本文的研究工作是研究事件詞和參考鏈在Web新聞

2、事件中的聚類(lèi)效果。新聞事件聚類(lèi)的目的是通過(guò)新聞事件自動(dòng)的聚類(lèi)文檔。本文分別使用參考鏈和事件詞抽取重要的代表性的語(yǔ)句，然后使用這些語(yǔ)句來(lái)生成摘要，隨后使用這些摘要進(jìn)行事件聚類(lèi)。由于事件的時(shí)間跨度很長(zhǎng)，固定的閾值會(huì)阻止后來(lái)的文檔被聚類(lèi)因而影響聚類(lèi)效果，所以我們考慮使用動(dòng)態(tài)閾值，一個(gè)動(dòng)態(tài)的閾值考慮了時(shí)間延遲和時(shí)間跨度。論文最后還介紹使用了兩個(gè)組合使用參考鏈和事件詞的方法以用來(lái)檢測(cè)這兩個(gè)因素哪一個(gè)在事件聚類(lèi)中的作用更加重要。實(shí)驗(yàn)結(jié)果顯示，事件詞