文献类型：期刊文章

作　　者：佘玉轩[1] 熊赟[1]

机构地区：[1]复旦大学计算机科学技术学院上海市数据科学重点实验室,上海201203

出　　处：《计算机工程》

基　　金：国家自然科学基金(91546105;71331005);国家高技术研究发展计划项目(2015AA020105);上海市科委项目(16JC1400801;16511102204);NSFC-广东联合基金(第二期)超级计算科学应用研究专项;国家超级计算广州中心支持项目

年　　份：2018

卷　　号：44

期　　号：3

起止页码：55-59

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：目前的多数故事线挖掘研究侧重新闻文献和事件的相似性分析,忽略了故事线的结构化表述及新闻具有的延时性,无法直观地从模型结果看出不同新闻话题的发展过程。为此,提出一种基于贝叶斯网络的无监督故事线挖掘算法。将故事线看成日期、时间、机构、人物、地点、主题和关键词的联合概率分布,并考虑新闻时效性。在多个新闻数据集上进行的实验和评估结果表明,与K-means、LSA等算法相比,该算法模型具有较高的故事线挖掘能力。

关 键 词：故事线挖掘  事件  贝叶斯网络 时效性  新闻 主题

分 类 号：TP391]