基于流形学习的新闻主题关系构建和演化研究.PDFVIP

总第275 期 2016 年 第10 期 基于流形学习的新闻主题关系构建和演化 研究* 1 2, 3 1 1 徐月梅 李 杨 梁 野 蔡连侨 1(北京外国语大学计算机系 北京 100089) 2( 中国科学院信息工程研究所 北京 100093) 3( 中国科学院大学 北京 100049) 摘要: 【目的】通过对以互联网为媒介的新闻报道的主题演化研究, 分析新闻主题的产生、发展和演变过程, 把 握媒体舆论方向。【方法】引入流形学习构建全局时间跨度的新闻主题关联关系, 挖掘由 LDA 主题模型识别得 到的各个时间窗口的高维主题向量间的关系, 在低维平面上实现主题聚类和相互关联的可视化, 提出利用社会 网络理论指标分析主题的演化结果。【结果】利用2015 年美国有线电视新闻网对中国的新闻报道进行主题关系 构建和演化, 结果表明该方法能够发现主题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没有涉及。【结论】新闻主题演化分析方法能够在低维可视平面上描绘主题在全局时 间跨度的演化, 避免主题由于相邻时间窗口关联失效而导致全局演化路径的断裂。 关键词: 潜在狄利克雷分配模型 流形学习 主题关联 主题演化 分类号: TP393 G354 道主题也随着变迁, 如何描述新闻主题的演变过程是 1 引 言 [2] 目前研究的难点 。 随着信息技术的发展, 互联网已成为信息传播的 潜在狄利克雷分配(Latent Dirichlet Allocation, 重要渠道, 被公认为是继报纸、广播、电视之后的“第 LDA)模型[3]是模拟文档生成过程的主题模型, 其参数 四媒体”[1] 。研究以互联网为媒介的西方主流媒体对中 空间的规模与文档数量无关, 适合处理大规模语料, 国的新闻报道, 有助于了解西方媒体中的中国形象, 因此近年来成为主题演化研究的重要途径之一。常见 把握国外舆论的发展方向。新闻报道的主题演化是指 的思路是利用 LDA 模型获取不同时间段的主题及其 新闻报道的主题内容与强度在研究过程中变化的现 关键词, 将相邻时间窗口的主题根据关键词的近似程 象, 一般经历从提出、发展、衰亡到最后结束的过程。 度采取阈值法[4] [5] 或最大相似度法 进行关联, 再从相 例如天津塘沽大爆炸事件, 美国主流媒体有线电视新 邻时间窗口建立的主题关联关系观察多个时间窗口的 闻网(Cable News Network, CNN) 2015 年8 月 13 号第 主题演变。 一次进行报导, 随后在 14-21 号每天都有相关新闻追 然而, 基于相邻时间窗口的主题演化分析方法不 踪, 而27 号是最后一次报导, 意味着该事件主题的结 能直接应用于新闻报道的主题演化, 原因有两点。首 束。可见, 随着时间的变化, 西方媒体对中国的新闻报 先, 基于相邻时间窗口的主题演变关系建立容易因为 通讯作者: 徐月梅, ORCID: 0000-0002-0223-7146, E-mail: xuyuemei@ 。 *本文系国家社会科学基金重大委托项目“语言大数据挖掘与文化价值发现”(项目编号:14@ZH036)、北京市社会科学基金研究基 地项目“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)和中央高校基本科研业务费专项资金资助项目 “对外传播过程中互联网用户行为特征和影响力研究”(项目编号:023600-500110002)的研究成果之一。 XIA