基于图聚类的汉越双语新闻话题发现-数据采集与处理.PDFVIP

， ：／／ ＩＳＳＮ１００４９０３７ＣＯＤＥＮＳＣＹＣＥ４ ｈｔｔ ｓｃ．ｎｕａａ．ｅｄｕ．ｃｎ ｐ ｊｊ ， ， ， ： ＪｏｕｒｎａｌｏｆＤａｔａＡｃｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎ Ｖｏｌ．３３Ｎｏ．３Ｍａ ２０１８ ．５３０－５３７ Ｅｍａｉｌｓｃ ｎｕａａ．ｅｄｕ．ｃｎ ＠ ｑ ｇ ｙ ｐｐ ｊｊ ： ／ ／ ： ＤＯＩ１０．１６３３７ ．１００４９０３７．２０１８．０３．０１７ ＴｅｌＦａｘ＋８６０２５ ｊ ２０１８ｂ ＪｏｕｒｎａｌｏｆＤａｔａＡｃｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎ  ｙ ｑ ｇ 　 基于图聚类的汉越双语新闻话题发现 王禹森 余正涛 高盛祥 周 超 洪旭东 　 　 　 　 　 （昆明理工大学信息工程与自动化学院，昆明， ） ６５０５００ 摘 要：跨语言新闻话题发现是将互联网上报道相同事件的不同语言新闻进行 自动归类，由于不同语 　 言文本很难表示在同一特征空间下，对其共同话题的挖掘就比较困难。然而类似的新闻事件在不同语 言文本表达上具有相同的新闻要素，这些要素之间关联能够体现出新闻事件的关联性，因此，针对汉越 新闻话题发现问题，提出基于文档图聚类的汉越双语新闻话题发现方法。首先提取汉越新闻文本新闻 要素，借助文本中要素相似度计算汉越文本相关度，构建汉越双语文本图模型，获得新闻文本相似度矩 阵；然后，借助图模型中文本间的传播特点，采用随机游走算法对相似度矩阵进行调整，最后利用信息传 递算法进行聚类。实验结果表明提出的方法取得了很好的效果。 关键词：汉越双语；事件要素；话题发现；图聚类 中图分类号： 文献标志码： ＴＰ３９１ Ａ 　　　 犆犺犻狀犲狊犲犞犻犲狋狀犪犿犲狊犲犅犻犾犻狀狌犪犾犖犲狑狊犜狅犻犮犇犲狋犲犮狋犻狅狀犕犲狋犺狅犱狊犅犪狊犲犱狅狀犌狉犪犺犆犾狌狊狋犲狉犻狀 犵 狆 狆 犵 ， ， ， ， Ｗａｎ Ｙｕｓｅｎ ＹｕＺｈｅｎｔａｏ ＧａｏＳｈｅｎｘｉａｎ ＺｈｏｕＣｈａｏ Ｈｏｎ Ｘｕｄｏｎ ｇ ｇ ｇ ｇ ｇ ｇ （ ， ， ， ， ） ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｉｎｅｅｒｉｎ ａｎｄＡｕｔｏｍａｔｉｏｎ Ｋｕｎｍｉｎ ＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏ Ｋｕｎｍｉｎ ６５０５００ Ｃｈｉｎａ ｇ ｇ ｇ ｙ ｇｙ ｇ ： 犃犫狊狋狉犪犮狋Ｔｈｅ ｕｒｏｓｅｏｆｃｒｏｓｓｌａｎｕａｅｔｏｉｃｄｉｓｃｏｖｅｒｉｓｔｏｃｌａｓｓｉｆｎｅｗｓｔｅｘｔｓｗ