基于反馈报道的话题模型动态修正方法

计算机应用 ›› 2012, Vol. 32 ›› Issue (05): 1343-1346.

基于反馈报道的话题模型动态修正方法

郑燕¹,²,鲁燃¹,²,赵爱华¹,²

1. 山东省分布式计算机软件新技术重点实验室，济南 250014
2. 山东师范大学信息科学与工程学院，济南 250014

收稿日期:2011-10-28 修回日期:2011-12-16 发布日期:2012-05-01 出版日期:2012-05-01
通讯作者: 郑燕
作者简介:郑燕(1989-)，女，山东泰安人，硕士研究生，主要研究方向：网络信息安全、话题追踪；鲁燃(1972-)，男，山东菏泽人，副教授，主要研究方向：网络信息安全、网络模型、计算机网络；赵爱华(1987-)，女，山东潍坊人，硕士研究生，主要研究方向：网络信息安全、话题检测与追踪。
基金资助:
国家自然科学基金资助项目(60873247);山东省高新自主创新专项工程(2008ZZ28);山东省自然科学基金资助项目(ZR2009GZ007);济南市青年科技明星计划项目(20080201)

Dynamic topic model amending method based on feedback stories

ZHENG Yan¹,²,LU Ran¹,²,ZHAO Ai-hua¹,²

1. School of Information Science and Engineering, Shandong Normal University, Jinan Shandong 250014, China
2. Shandong Provincial Key Laboratory for Distributed Computer Software Novel Technology, Jinan Shandong 250014，China

Received:2011-10-28 Revised:2011-12-16 Online:2012-05-01 Published:2012-05-01
Contact: ZHENG Yan

摘要/Abstract

摘要： 在话题追踪过程中，由于给定的初始话题相关报道少，而且话题具有动态演变的特点造成话题模型不准确。针对这一问题，提出了利用动态阈值收集反馈报道构造话题修正模型，实现了话题模型的动态修正；同时结合命名实体能够更加有效地区分不同话题的特性，提出了在修正话题模型时增大相关命名实体权重的方法，从而获得更准确的话题表示模型。实验结果表明，该方法能有效避免话题漂移现象，降低话题追踪过程中的漏报率和错报率。

关键词: 话题追踪, 话题模型, 动态阈值, 命名实体, 反馈报道

Abstract: In topic tracking, the initial topic related stories are few and topic evolves dynamically, which leads to the topic model could not express topic accurately. Concerning this problem, it was proposed to build amended topic model by feedback stories collected by dynamic threshold, to amend topic model dynamically. And in combination of the feature that the named entity could differentiate different topics more effectively, it was suggested to increase the weight of named entity when amending topic model, to express a topic better. The experimental results indicate that, this method can solve the topic shifting problem effectively, and the miss tracking rate and fault tracking rate decrease a lot in topic tracking.

Key words: topic tracking, topic model, dynamic threshold, named entity, feedback stories

中图分类号:

TP391.3

郑燕鲁燃赵爱华. 基于反馈报道的话题模型动态修正方法[J]. 计算机应用, 2012, 32(05): 1343-1346.

ZHENG Yan LU Ran ZHAO Ai-hua. Dynamic topic model amending method based on feedback stories[J]. Journal of Computer Applications, 2012, 32(05): 1343-1346.

参考文献

［1］ALLAN J. Topic detection and tracking event-based information organization ［M］. Boston: Kluwer Academic Publishers,2002.

［2］CARBONELL J, YANG Y, LAFFERTY J,et al. CMU report on TDT2:Segmentation,detection and tracking［C］// Proceedings of the DARPA Broadcast News Transcription and Understanding Workshop. San Francisco: Morgan Kauffman, 2004:117-120.

［3］ALLAN J, LAVRENKO V, FREY D, et al.UMass at TDT 2000［C］// Proceedings of Topic Detection and Tracking Workshop. [S.l.]:National Institute of Standard and Technology,2005:109-115.

［4］ALLAN J, PAPKA R, LAVRENKO V.Online new event detection and tracking［C］// Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. New York：ACM,2002:37-45.

［5］贾自艳,何清,张海俊，等.一种基于动态进化模型的事件探测和追踪算法［J］. 计算机研究与发展,2006，41(7):1272-1280.

［6］张辉,周敬民,王亮,等.基于三维文档向量的自适应话题追踪器模型［J］.中文信息学报,2010，24(5):70-76.

［7］王会珍,朱靖波,季铎,等.基于反馈学习自适应的中文话题追踪［J］.中文信息学报，2006，20(3):92-98.

［8］黄萱菁,夏迎炬,吴立德.基于向量空间模型的文本过滤系统［J］.软件学报,2003，14(3):435-442.

［9］席耀一,林琛,李弼程,等.基于语义相似度的论坛话题追踪方法［J］.计算机应用,2011,31(1):93-97.

［10］任晓东,张永奎,薛晓飞.基于K-Modes聚类的自适应话题追踪技术［J］.计算机工程, 2009, 35(9):222-224.

［11］莫倩,刘书家,李凯.主题追踪系统的研究与实现［J］.计算机工程与应用，2006,42(2):179-181.

［12］闵可锐,赵迎宾,刘昕,等.互联网话题识别与跟踪系统设计与实现［J］.计算机工程，2008，34（19）:212-214.

［13］陈友,程学旗,杨森.面向网络论坛的突发话题发现［J］.中文信息学报,2010,24(3):29-36.

［14］洪宇,张宇，刘挺,等.话题检测与跟踪的评测及研究综述［J］.中文信息学报，2007,21（6）：71-86.

［15］洪宇,张宇,范基礼,等. 基于子话题分治匹配的新事件检测［J］.计算机学报，2008,31(4):687-695.

[1]	武国亮, 徐继宁. 基于命名实体识别任务反馈增强的中文突发事件抽取方法[J]. 计算机应用, 2021, 41(7): 1891-1896.
[2]	崔博文, 金涛, 王建民. 自由文本电子病历信息抽取综述[J]. 计算机应用, 2021, 41(4): 1055-1063.
[3]	许力, 李建华. 基于句法依存分析的图网络生物医学命名实体识别[J]. 计算机应用, 2021, 41(2): 357-362.
[4]	张心怡, 冯仕民, 丁恩杰. 面向煤矿的实体识别与关系抽取模型[J]. 计算机应用, 2020, 40(8): 2182-2188.
[5]	余敦辉, 袁旭, 张万山, 王晨旭. 基于动态阈值的时空众包在线分配算法[J]. 计算机应用, 2020, 40(3): 658-664.
[6]	王月, 王孟轩, 张胜, 杜渂. 基于BERT的警情文本命名实体识别[J]. 计算机应用, 2020, 40(2): 535-540.
[7]	陈佳沣, 滕冲. 基于强化学习的实体关系联合抽取模型[J]. 计算机应用, 2019, 39(7): 1918-1924.
[8]	严红, 陈兴蜀, 王文贤, 王海舟, 殷明勇. 基于深度神经网络的法语命名实体识别模型[J]. 计算机应用, 2019, 39(5): 1288-1292.
[9]	张兴盛, 余敦辉, 张万山, 王晨旭. 时空众包环境下时效均衡的在线任务分配算法[J]. 计算机应用, 2019, 39(5): 1357-1363.
[10]	周详, 李少波, 杨观赐. 服装类商品属性实体识别[J]. 计算机应用, 2015, 35(7): 1945-1949.
[11]	杨大勇, 杨建华, 卢伟. 基于动态阈值的核密度估计前景检测算法[J]. 计算机应用, 2015, 35(7): 2033-2038.
[12]	吴不晓, 肖菁. 基于用户标注行为的潜在好友推荐[J]. 计算机应用, 2015, 35(6): 1663-1667.
[13]	卢阳, 鲍淑娣, 周翔, 陈金恒. 基于动态心电信号的实时身份识别算法[J]. 计算机应用, 2015, 35(1): 262-264.
[14]	刘晓亮. 基于维基百科的军事舆情论坛话题追踪方法[J]. 计算机应用, 2012, 32(11): 3026-3029.
[15]	杨欣欣李培峰朱巧明. 基于查询扩展的人名消歧[J]. 计算机应用, 2012, 32(09): 2488-2490.