目录

1 引言........................................................................................................................... 5

2 话题检测研究现状................................................................................................... 5

3 网络新闻数据........................................................................................................... 7

4 研究方法................................................................................................................... 8

4.1 基于共享最近邻和马尔科夫聚类的网络新闻话题检测方法..................... 8

4.1.1 基于共享最近邻和马尔科夫聚类的网络新闻话题检测方法........... 9

4.1.2 最优话题个数的决策......................................................................... 10

4.1.3 SNN图的构建..................................................................................... 11

4.1.4 基于MCL的话题检测....................................................................... 12

4.1.5 基于紧密中心度的自动话题描述..................................................... 12

4.2 参与比较的三种方法................................................................................... 13

4.3 评价指标....................................................................................................... 14

5 实验分析................................................................................................................. 15

5.1 数据预处理与实验设计............................................................................... 15

5.2 维数选择和最优话题个数的决策............................................................... 16

5.3 数据降维对话题检测结果的影响............................................................... 17

5.4 共享最近邻个数的选取对话题检测结果的影响....................................... 18

5.5 本文方法与其它话题检测方法的对比....................................................... 19

5.6 自动话题描述............................................................................................... 20

6 结论与展望............................................................................................................. 21

参考文献..................................................................................................................... 22

 

插图清单

图1 本报告的话题检测方法流程图..................................8

图2 维数选择和最优话题个数的决策...............................16

图3 降维对话题检测结果的影响...................................17

图4 共享最近邻个数对话题检测结果的影响.........................18

 

附表清单

表1 两个网络新闻数据集的话题主题及其数量........................7

表2 四种话题检测方法的实验结果对比.............................19

表3 自动话题描述...............................................20