基于词元再评估的新事件检测模型

• 作者: 吴刚 张阔 李涓子 王克宏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 新事件检测 信息检索 命名实体 词元再评估
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 817-828
• 页数: 12页
• 分类号: TP181
• 字数: 8746字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2008.00817

摘要

新事件检测(new event detection,简称NED)的目标是从一个或多个新闻源中检测出报道一个新闻话题的第一个新闻.初步实验发现,在对不同类别的新闻报道进行新事件检测时,其不同类型的词元往往具有不同的敏感程度.而传统方法往往将所有的词元等同看待.重点研究在新事件检测模型中,对于不同词元的权重设定问题.提出利用统计方法优化不同类别新闻对于不同词性词元的权重参数;提出利用已有新闻簇信息动态更新词元权重的方法,采用在新闻之间(而非新闻与新闻簇之间)计算相似度的形式,发挥两种比较形式的优点.在Linguistic Data Consortium(LDC)公共数据集TDT2与TDT3上进行实验,实验结果表明,这两种改进方法的效果明显,性能与同类系统相比有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王克宏	清华大学计算机科学与技术系	69	887	16.0	28.0
2	李涓子	清华大学计算机科学与技术系	62	1193	19.0	33.0
3	张阔	清华大学计算机科学与技术系	10	106	4.0	10.0
4	吴刚	清华大学计算机科学与技术系	10	156	7.0	10.0