多特征融合文本聚类的新闻话题发现模型

• 作者: 杨小平 车蕾
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 新闻话题 多特征融合 潜在狄利克雷分配 向量空间模型 主题空间模型
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机科学与技术·管理科学与工程
• 页码范围: 85-90
• 页数: 6页
• 分类号: TP391
• 字数: 4779字
• 语种: 中文
• DOI: 10.11887/j.cn.201703014

摘要

融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型.模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法.该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合.基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法.实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨小平	中国人民大学信息学院	84	967	15.0	30.0
2	车蕾	中国人民大学信息学院	17	42	3.0	5.0