论文部分内容阅读
随着互联网技术的发展，新闻视频数据量急剧增长，但是这些网络新闻视频信息凌乱无序，有价值的信息湮没在大量冗余信息中，对其发现和管理变得越来越困难。
为更好地管理和利用新闻视频资源，新闻专题技术应运而生。它围绕某一个突发的新闻事件或某一个广泛受关注的问题提供详细而全面的报道集，满足读者及时全面了解新闻的需要。当前网络上新闻视频专题的研究通常缺乏层次结构，只是简单地把相关报道罗列在一起，无法揭示新闻报道之间的层次关系。
本文面向互联网新闻视频，采用其文本特征，在话题(Topic)、事件(Event)和报道(Story)三个层次上，开展话题生成、事件检测等关键技术研究，主要包括基于查询扩展的话题生成，基于潜在语义空间和时间特性的新闻事件检测等，由此实现生成新闻专题的自动生成和检索。本文取得如下研究成果：
1.基于查询扩展的新闻话题生成
话题是层次结构中的最高一层，本文选择对新闻视频内容有很强的高层语义描述作用的文本关键词来进行话题生成。新闻话题生成是指围绕一个中心主题产生相关的新闻报道集。本文通过文本检索来产生热点话题相关的报道集，在检索过程中运用了一种全局分析的查询扩展算法，提高了话题生成的准确率。
2.基于潜在语义空间和时间特性的新闻事件检测
事件是层次结构中的中间层。本文提出新闻事件检测算法TFC-LSI(Time Featured Clustering based on LSI)。该算法建立潜在语义空间(LSI空间)，并针对新闻的时效性建立基于时间特性的相似度计算模型。在此基础上，根据事件的个数确定与否对新闻文本进行K均值聚类或Single-pass聚类，从而将各个报道根据其聚类主题划归到相应的事件类中，使热点话题发生的前因后果、来龙去脉一目了然，能够较好地满足用户的信息获取需求。
3.新闻视频专题检索系统
本系统包含了专题生成和专题检索两部分。专题生成通过上述的话题生成和事件检测实现；在此基础上，构建专题检索引擎，针对用户查询返回相应专题的层次化结构，极大地方便人们全方位多层次地了解新闻的动态发展过程。