![](https://csdnimg.cn/release/download_crawler_static/19570175/bg1.jpg)
第 ?9 卷 第 7 期
西 南 师 范 大 学 学 报 (自然科学版)
2 0 1 4 年7 月
Vd. ?9 No. 7 Journal of Southwest China Normal University (Natural Science Edition) Ju. 2 0 14
DOI: 1 0 . 1?718!. cnk. xsxb. 2 0 14. 0 7. 0 14
关 键 领 域 热 点 发 现 与 跟 踪 ①
何 炎 S 宋丽丽2
1.遵义医药高等专科学校网络中心,贵州遵义563 00 2# 2.河南新乡学院计算机与信息工程学院,河南新乡45? 00 ?
摘要:随着网络信息及医学热点的快速增长,如何快速准确地选择自己需要的医学信息越来越成为人们关注的焦
点,而如何让人们准确地了解到正在发生的医学热点成了亟待解决的问题. 该文通过T D T 技术对信息进行分类整
理,用分类技术首先分门别类,然后针对每个类别,使用聚类技术进行热点话题跟踪,从而方便人们快速了解医学
领域各个热点事件.
关 键 词 :话题检测与跟踪;“本分类;聚类
中图分类号:TP393 文献标志码:A 文章编号:1 0 0 0 - 5471(20 14)7 - 0 067 - 0 6
1 TDT研究的现状
话题检测与跟踪(Topic Detection and Tracking,T D T ) 是指从大量的新闻中发现新的话题,并且要为
此话题建立一个模型,然后对后续的报道进行辨别和分析,找出已知的这个话题的相关报道或者发现新的
话题并为其建立模型. T D T 主要深人研究关于事件的发现和追踪技术[1],且每年有评测会议 ,T D T 已成
为信息检索领域的一个重要研究方向,其研究技术也越来越受到广大研究者青睐[],T D T 已经运用到社会
各个领域中,并且在各个领域中取得了很好的效果,其应用范围和前景都很广泛. 以目前的研究现状来看,
T D T 仍然以信息检索、信息过滤等技术为主,但大多数新闻热点挖掘系统不具有实时性,却具有时间滞后
性 ,而且忽视了新闻本身具备的特点. 针对这一问题,虽然当前的很多研究趋势是将各种各样不同的方法
结合或者组合,比如时间为参数的权重与阈值等等,但这些也只是一些方法的结合或者对一些传统方法的
改 进 ,并没有成型的系统理论和技术,而且现在很多系统是通过人工进行手动编辑和组织来实现热点话题
的选取和排版,与实际情况相比并不具有自动性和及时性.
本文以医学领域作为切人点,研究内容主要包括文本分类,然后在每个类别内进行热点事件发现与跟
踪 ,最后通过评测来验证系统的效率.
2 医学领域热点事件检测
由于每天更新的语料数目巨大而且杂乱,直接对文本聚类势必影响效果,为了减少聚类时的 计算量,
提高聚类时的纯度,本文采取了先分类后聚类的方法,分类后再在各个类别内进行聚类和跟踪. 分类使用
的是文献[]描述的方法,聚类时针对本文的领域,使用新模型进行聚类,并将其运用到多个算法当中.
2 . 1 基于类别特征域的文本分类算法
无论分类还是聚类,文本特征选择是必须要慎重考虑的问题,因为高维的特征空间不仅降低算法速
度 ,也给聚类过程带来了大量的噪声,降 低 聚 类 准 确 度 本 文 的 信 息 检 索 模 型 使 用 的 是 向 量 空 间 ,形式
如 D = D $ ti,Hi # t$, # …… ;
tn
,
H n) .
高维是由噪音和数据稀疏构成的,而一般的特征提取只是降噪,
①收稿日期)2 0 14- 0 1-1?
基 金项 目 )贵 州省 科 技 厅 2 01 ?年度科学技术基金“互联网医学信息自主整合方法研究”资助项 目(黔 科 合 J 字[2 0 1?]2?35号).
作者简介)何 焱 (1975 -),女 ,贵州遵 义人,硕 士 ,副教授. 主要从事计算机网络及数据处理研究.