文献类型：期刊文章

作　　者：徐月梅[1] 吕思凝[1] 蔡连侨[1] 张小娅[2]

Xu Yuemei;Lv Sining;Cai Lianqiao;Zhang Xiaoya(Department of Computer Science,Beijing Foreign Studies University,Beijing 100089,China;School of International Journalism and Communication,Beijing Foreign Studies University,Beijing 100089,China)

机构地区：[1]北京外国语大学计算机系,北京100089 [2]北京外国语大学国际新闻与传播学院,北京100089

出　　处：《数据分析与知识发现》

基　　金：北京市社会科学基金项目"北京对外文化传播过程中‘两微一端’影响力比较研究"(项目编号:15JDZHC011);国家自然科学基金项目"信息中心网络中内嵌缓存和请求路由动态优化模型研究"(项目编号:61502038)的研究成果之一

年　　份：2018

卷　　号：2

期　　号：9

起止页码：31-41

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、CSSCI、CSSCI2017_2018、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：【目的】通过对网络新闻报道的主题演化研究,分析新闻主题的内容和情感随时间演变过程,把握媒体舆论方向。【方法】提出一种基于Topic2Vec的词向量表达方式改进新闻主题的语义空间距离,并引入卷积神经网络学习主题–特征词矩阵,实现大量新闻主题的聚类,从而描绘相同主题的内容强度和情感演变曲线,判别主题关注事件及关键子主题。【结果】以2015年–2017年美国有线电视新闻网对中国的新闻报道作为实验数据集,实验结果表明该方法能够发现主题及其情感在全局时间跨度的演化趋势。【局限】时间窗口长度对主题演化的效果和可变时间窗口长度机制未能全面涉及。【结论】本文的新闻主题演变模型使同类主题在语义空间更为接近,主题分类准确率比对比模型提升约10%,使得分析新闻主题在全局时间跨度的演化成为可能。

关 键 词：新闻主题 卷积神经网络 主题演变 Topic2Vec  

分 类 号：TP393]