基于贝叶斯网络的静态话题追踪模型

摘要：

[目的]通过分析贝叶斯网络在话题追踪中的可行性,提出一种话题追踪新方法,以提高追踪性能和追踪效率.[方法]将贝叶斯网络相关知识应用到话题追踪,分别构建贝叶斯网络话题追踪模型和扩展贝叶斯网络话题追踪模型.模型中节点表示术语、事件和话题,弧表示节点间关系,话题、事件和报道间的相似度利用推理加估计的方法得到.[结果]在TDT4数据集上的实验结果表明,与向量空间话题模型相比,贝叶斯网络话题追踪模型的DET曲线在下方,追踪性能明显提高;扩展贝叶斯网络话题追踪模型较贝叶斯网络话题追踪模型,追踪性能提高1.7％.[局限]扩展贝叶斯网络话题追踪模型是一种静态话题模型,但事件是随话题演化产生的,故扩展贝叶斯网络话题追踪模型性能的提升并不显著.[结论]新模型能准确描述话题、事件和报道间的结构关系,概率推导效率高,可有效提升话题追踪的性能.

关键词：贝叶斯网络、话题追踪、事件、静态话题模型

所属期刊栏目：4

分类号：TP391.1(计算技术、计算机技术)

资助基金：本文系河北省社会科学基金项目“京津冀协同发展网络热点话题发现及其应用研究”项目编号:HB15SH064

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：200-206