本文選題：熱點事件　切入點：文本聚類　出處：《湖北工業大學》2017年碩士論文

【摘要】：互聯網新聞已經成為用戶獲取信息的一個重要來源。新型的網絡資源和網絡新聞應用不斷增加,網絡新聞數目呈現爆炸式增長,給用戶閱讀新聞增加了很多困難,從大量的網絡新聞中發現和分析熱點事件成為急需解決的重要問題。盡管機器學習、自然語言處理等多方面的技術已經在網絡熱點事件發現中得到了廣泛的應用,但是現有的文本表示模型存在相對局限性,使得文本表示的性能仍不能讓用戶滿意,還有很多問題需要進一步研究。為了實現更加深入的理解文本的目的,本文基于句義結構模型構建了一種基于聚類的互聯網熱點事件發現方法。該方法首先對文檔進行句義成分分析,計算詞的權重后生成語義向量;將語義向量用到熱點事件發現系統中,采用single-pass聚類思想和凝聚式層次聚類與K-means聚類算法相結合的聚類算法,事件發現準確率為75.2%。此外,構建了一種事件簡化表示的方法,抽取事件發展關鍵點和事件標簽,事件發展關鍵點的準確率為58.9%。此外,設計并實現了一種熱點事件發現和事件簡化表示原型系統。
[Abstract]:Internet news has become an important source of information for users. New types of network resources and network news applications are constantly increasing, and the number of network news is exploding, making it more difficult for users to read news. Finding and analyzing hot events from a large number of network news has become an important problem that needs to be solved. Although machine learning, natural language processing and other technologies have been widely used in the discovery of network hot events, However, the existing text representation model has relative limitations, which makes the performance of text representation still not satisfactory to users, and there are still many problems that need to be further studied. In order to achieve a deeper understanding of the text, In this paper, a clustering based method for detecting hot Internet events is proposed based on the sentence meaning structure model. Firstly, the semantic component of the document is analyzed and the semantic vector is generated by calculating the weight of the words. The semantic vector is used in the hot spot event discovery system, and the clustering algorithm which combines the single-pass clustering idea with the condensed hierarchical clustering algorithm and the K-means clustering algorithm is adopted. The accuracy of event discovery is 75.2. In addition, a simplified representation method of events is constructed. The accuracy rate of event development key points is 58.9. In addition, a prototype system of hot spot event detection and event simplified representation is designed and implemented.
【學位授予單位】：湖北工業大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.1

【參考文獻】

相關期刊論文 前10條

1 曹娟;張勇東;李錦濤;唐勝;;一種基于密度的自適應最優LDA模型選擇方法[J];計算機學報;2008年10期

2 于江德;樊孝忠;龐文博;;事件信息抽取中語義角色標注研究[J];計算機科學;2008年03期

3 馮志偉;;自然語言處理的歷史與現狀[J];中國外語;2008年01期

4 劉遠超;王曉龍;徐志明;關毅;;文檔聚類綜述[J];中文信息學報;2006年03期

5 于滿泉;駱衛華;許洪波;白碩;;話題識別與跟蹤中的層次化話題識別技術研究[J];計算機研究與發展;2006年03期

6 秦兵,劉挺,李生;多文檔自動文摘綜述[J];中文信息學報;2005年06期

7 陳浩,何婷婷,姬東鴻;基于k-means聚類的無導詞義消歧[J];中文信息學報;2005年04期

8 馮志偉;自然語言處理的學科定位[J];解放軍外國語學院學報;2005年03期

9 劉群,張華平,俞鴻魁,程學旗;基于層疊隱馬模型的漢語詞法分析[J];計算機研究與發展;2004年08期

10 賈自艷 ,何清 ,張海俊 ,李嘉佑 ,史忠植;一種基于動態進化模型的事件探測和追蹤算法[J];計算機研究與發展;2004年07期

相關碩士學位論文 前2條

1 劉星星;熱點事件發現及事件內容特征自動抽取研究[D];華中師范大學;2009年

2 潘文鋒;基于內容的垃圾郵件過濾研究[D];中國科學院研究生院（計算技術研究所）;2004年

，

本文編號：1675740