基于概率主題建模的新聞熱點關(guān)聯(lián)挖掘與可視化.pdf

1、新聞報道由于其敘述詳實規(guī)范，來源可靠，觀點客觀等特點，對經(jīng)濟形勢研究、國內(nèi)國際政治研究等領(lǐng)域都有著十分重要的作用，成為了如今互聯(lián)網(wǎng)時代產(chǎn)生的海量數(shù)據(jù)中的重要信息源。因此如何運用計算機技術(shù)自動挖掘出有價值的新聞熱點內(nèi)容，并通過可視化方法將新聞熱點的內(nèi)容全方位地呈現(xiàn)給用戶，是一個重要的研究課題。當(dāng)前主流的新聞熱點挖掘方法主要基于傳統(tǒng)聚類技術(shù)等非監(jiān)督學(xué)習(xí)技術(shù)或命名實體識別等監(jiān)督學(xué)習(xí)技術(shù)，取得了很好的效果。但傳統(tǒng)方法在挖掘新聞熱點之間的層次結(jié)構(gòu)

2、性、時序性和語義性三類關(guān)聯(lián)關(guān)系上存在很大的局限。因此，提出了一種基于概率主題模型的創(chuàng)新性的新聞熱點關(guān)聯(lián)挖掘算法。該算法繼承了LDA為代表的主題模型無需大量標注信息、適合長文本建模等優(yōu)勢，并能夠有效挖掘新聞熱點在層次結(jié)構(gòu)、時序和語義上的關(guān)聯(lián)。挖掘出新聞熱點后，讀者希望以盡可能少的時間，來獲得盡可能多的信息，比如一段時間范圍內(nèi)的新聞熱點，與新聞熱點相關(guān)的新聞文本原文，新聞熱點相關(guān)新聞圖片等信息，本文運用了可視化技術(shù)展示新聞熱點在以上三方面的

3、關(guān)聯(lián)，并從各個維度解釋和分析大量的新聞文本數(shù)據(jù)。
　　本文的工作主要解決了以下四方面的問題:1.本文挖掘了新聞熱點間的層次結(jié)構(gòu)關(guān)聯(lián)，并提出全新的可視化布局對層次化的新聞熱點進行了可視化。2.本文挖掘了新聞熱點間的時序關(guān)聯(lián)，并采用動態(tài)可視化技術(shù)呈現(xiàn)了新聞熱點在時序上的演化行為。3.本文挖掘了新聞熱點間的語義關(guān)聯(lián)，并采用投影等可視化方式多維地呈現(xiàn)新聞熱點間的語義關(guān)聯(lián)。4.本文結(jié)合上述三點新聞熱點關(guān)聯(lián)挖掘與可視化技術(shù)，集成了“新聞熱點關(guān)