- 1、本文档共124页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
话题检测与跟踪关键技术研究-信息与通信工程;信号与信息处理专业论文
国内图书分类号: TP391.2
国际图书分类号: 681.37
工学博士学位论文
话题检测与跟踪关键技术研究
博 士 研 究 生 : 赵华
导 师 : 赵铁军 教授
申 请 学 位 级 别 : 工学博士
学 科 、 专 业 : 计算机应用技术
所 在 单 位 : 计算机科学与技术学院
答 辩 日 期 : 2008 年 3 月
授 予 学 位 单 位 : 哈尔滨工业大学
Classified Index:TP391.2 U. D. C. :681.37
Dissertation for the Doctoral Degree in Engineering
RESEARCH ON TOPIC DETECTION AND TRACKING
Candidate: Zhao Hua
Supervisor: Prof. Zhao Tiejun
Academic Degree Applied for: Doctor of Engineering
Specialty: Computer Application Technology
Affiliation: School of Computer Science and Technology
Date of Oral Examination: March, 2008
Degree-Conferring-Institution: Harbin Institute of Technology
摘要
摘要
摘 要
作为一个新兴的自然语言处理研究方向,话题检测与跟踪 (Topic Detection and Tracking, TDT)是一项旨在基于事件对信息进行组织和利用的 研究,也是为了应对信息过载问题而提出的一项应用研究。它是指在新闻专 线和广播新闻等来源的新闻数据流中自动地发现话题并把话题相关的内容联 系在一起的技术。自 1996 年 TDT 概念提出以来,国内外许多研究机构都参 与了这一技术的研究。目前 TDT 研究已经引起了国内外研究者们的广泛关 注,逐渐成为自然语言处理领域的一个研究热点,但国内在这方面的研究起 步相对比较晚。
本文以文本形式的中、英文新闻报道流为处理对象,对话题检测与跟踪 研究中的话题检测、话题跟踪以及报道关系检测三个子任务分别进行了深入 细致地研究,并提出了多个行之有效的算法。具体来讲,本文从如下几个方 面进行了研究:
1. 研究了话题检测技术。本文针对话题检测研究中存在的两大难题提出 了解决办法,即“难以区分”问题和话题的动态演化特性造成的困难。首先, 对于“难以区分”问题,结合英语新闻报道的书写及内容特点,提出了词汇 区分技术并给出了基于词汇区分技术的话题检测算法;其次,针对话题的动 态演化特性造成的困难,提出了面向动态演化的双质心话题模型,并对其中 的关键技术进行了详细阐述,包括分界点的建立、初始质心的建立与更新以 及当前质心的建立与更新,并给出了基于双质心话题模型的话题检测算法; 最后,分析了话题的时间特性,提出了基于话题持续时间的动态阈值模型, 并结合其特点提出了一种比值法来选择和话题最相似的报道。
2. 研究了基于查询向量的英语话题跟踪技术。具体来讲,对其中的三个 关键问题进行了研究,即特征项抽取算法、特征项权值计算方法以及报道与 话题的相关性判定方法。本文结合英语新闻报道的特点和多分类器融合的思 想对上述三个问题提出以下几种有效的算法:提出了基于词汇区分与位置特 征相结合的特征项抽取算法,此处的位置特征是指新闻报道的独特的头重脚 轻的倒金字塔式结构;提出了基于多个特征项抽取算法融合的特征项权值计 算方法,为了有效地融合多个特征项抽取算法,此处探索提出了“一个为主、 其余为辅”的融合策略;提出了基于多数投票策略的双重过滤算法,该算法
I -
哈尔滨工业大学工学博士学位论文
哈尔滨工业大学工学博士学位论文
融合了余弦函数和加权和函数两种相似度计算方法。
3. 研究了报道关系检测技术。本文认为为了得到高性能的报道关系检测 系统,必须充分挖掘报道内容中所包含的信息。在此思想的指导下,受词汇 共现分析的启发,提出了词汇动态共现技术。词汇动态共现是指满足一定关 系约束的词对,而关系约束是指一组特征。本文还实现了基于词汇动态共现 的报道关系检测系统,并验证了不同的关系约束对系统性能的影响。
4. 研究了汉语话题检测与跟踪中报道和话题的相似度计算问题,结合对 汉语缩略语的构词方式的分析,提出了基于词形与词频相结合的相似度计算 方法。通过实验验证,该方法大大地提高了汉语话题检测与跟踪系统的性能。
关键词 话题检测;话题跟踪;报道关系检测;归一化检测开销;词汇区分
II -
Abstract
Abstract
-
- PAGE
您可能关注的文档
- 环渤海经济一体化条件下的北京电力需求预测研究-工商管理专业论文.docx
- 环渤海经济圈港口物流园区网络协同研究-企业管理专业论文.docx
- 环渤海经济圈金融业效率与经济发展的耦合关系研究金融学专业论文.docx
- 环渤海经济圈地方政府跨区域合作分析-行政管理专业论文.docx
- 环的Morphic性质研究-应用数学专业论文.docx
- 环的广义稳定秩条件-基础数学专业论文.docx
- 环的零因子图-基础数学专业论文.docx
- 环管内超临界水流动传热实验研究及数值计算-核能科学与工程专业论文.docx
- 环糊精-毛细管区带电泳法手性分离分析苯丙氨酸对映体-生物工程专业论文.docx
- 环糊精-毛细管区带电泳法手性分离研究苯丙氨酸对映体-生物工程专业论文.docx
文档评论(0)