基于主题的舆情跟踪方法研究及性能评价.PDF

＜＜情报研究 　　 基于主题的舆情跟踪方法研究及性能评价 １ ２ 姚长青 　杜永萍 １ ２ 中国科学技术信息研究所　北京 １０００３８　 北京工业大学计算机学院　北京 １００１２４ 〔摘要〕舆情跟踪是对媒体信息流中的热点话题进行实时追踪，是近年来自然语言处理领域的研究热点。实现该 任务的核心技术是进行文本分类，运用信息增益以及互信息计算特征项权重，提取向量空间模型中文档表示的有 效特征；分别采用Ｒｏｃｃｈｉｏ、ＫＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ（ＫＮＮ）、Ｂａｙｅｓ方法对于给定主题的事件实现舆情跟踪。在测试集上 的最优性能ＦＭｅａｓｕｒｅ值达到８６．２％。舆情跟踪在信息安全等领域具有广阔的应用前景，为用户及时判断网络热 点事件的发展趋势提供有效指导依据。 〔关键词〕舆情跟踪　文本分类　自然语言处理 〔分类号〕Ｇ３５０ ＲｅｓｅａｒｃｈａｎｄＰｅｒｆｏｒｍａｎｃｅＥｖａｌｕａｔｉｏｎｏｎｔｈｅＴｈｅｍｅＢａｓｅｄＭｅｔｈｏｄｆｏｒｔｈｅＰｕｂｌｉｃＯｐｉｎｉｏｎＴｒａｃｋｉｎｇ １ ２ ＹａｏＣｈａｎｇｑｉｎｇ　ＤｕＹｏｎｇｐｉｎｇ １ＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｔｉｆｉｃａｎｄＴｅｃｈｎｉｃａｌＩｎｆｏｒｍａｔｉｏｎｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３８ ２ＩｎｓｔｉｔｕｔｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４ 〔Ａｂｓｔｒａｃｔ〕Ｔｈｅａｉｍｏｆｔｈｅｐｕｂｌｉｃｏｐｉｎｉｏｎｔｒａｃｋｉｎｇｉｓｔｏｍａｋｅｔｒａｃｋｓｆｏｒｔｈｅｐｒｏｇｒｅｓｓｏｆｔｈｅａｐｐｏｉｎｔｅｄｈｏｔｔｏｐｉｃｉｎｔｈｅｉｎｆｏｒｍａｔｉｏｎｆｌｏｗ ｏｆｔｈｅｍｅｄｉａ，ａｎｄｔｈｉｓｈａｓｂｅｃｏｍｅｓｔｈｅｈｏｔｓｐｏｔｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｉｎｔｈｅｆｉｅｌｄｏｆｎａｔｕｒａｌｌａｎｇｕａｇｅｐｒｏｃｅｓｓｉｎｇｉｎｒｅｃｅｎｔｙｅａｒｓ．Ｔｈｅｋｅｙ ｔｅｃｈｎｉｑｕｅｔｏａｃｈｉｅｖｅｔｈｅｔａｓｋｉｓｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅａｕｔｈｏｒｓａｄｏｐｔｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓｏｆｉｎｆｏｒｍａｔｉｏｎｇａｉｎａｎｄｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｆｏｒ ｔｈｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｗｉｔｈｉｎｔｈｅｖｅｃｔｏｒｓｐａｃｅｍｏｄｅｌ．Ｔｈｅｙａｒｅｕｓｅｄｆｏｒｔｈｅｗｅｉｇｈｔｃａｌｃｕｌａｔｉｏｎａｎｄｔｈｅｅｆｆｅｃｔｉｖｅｆｅａｔｕｒｅｓｗｉｔｈｈｉｇｈｅｒｗｅｉｇｈｔ ｖａｌｕｅｓａｒｅｅｘｔｒａｃｔｅｄ．ＴｈｅａｐｐｒｏａｃｈｏｆＲｏｃｃｈｉｏ，ＫＮＮａｎｄＢａｙｅｓａｒｅａｄｏｐｔｅｄｔｏｉｍｐｌｅｍｅｎｔｔｈｅｐｕｂｌｉｃｏｐｉｎｉｏｎｔｒａｃｋｉｎｇｏｎａｇｉｖｅｎｔｏｐｉｃ ｅｖｅｎｔｓ．Ｆｉｎａｌｌｙ，ｔｈｅａｕｔｈｏｒｓｇｉｖｅｔｈｅｓｔａｔｉｓｔｉｃａｌｄａｔａａｎａｌｙｓｉｓａｎｄａｃｈｉｅｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆ８６．２％ＦＭｅａｓｕｒｅｏｎｔｈｅｔｅｓｔｓｅｔ．Ｐｕｂｌｉｃ ｏｐｉｎｉｏｎｔｒａｃｋｉｎｇｈａｓａｂｒｏａｄａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔｉｎｔｈｅａｒｅａｓｏｆｉｎｆｏｒｍａｔｉｏｎｓｅｃｕｒｉｔｙａｎｄｓｏｏｎ．Ｉｔｐｒｏｖｉｄｅｓｔｈｅｅｆｆｅｃｔｉｖｅｇｕｉｄａｎｃｅｆｏｒ ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｔｏｔｈｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｔｈｅｎｅｔｗｏｒｋｈｏｔｅｖｅｎｔｓ． 〔Ｋｅｙｗｏｒｄｓ〕ｐｕｂｌｉｃｏｐｉｎｉｏｎｔｒａｃｋｉｎｇ　ｔｅｘｔｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｎａｔｕｒａｌｌａｎｇｕａｇｅｐｒｏｃｅｓｓｉｎｇ 处