基于文本挖掘的话题发现技术  

Topic Detection Technique Based on Text Mining

作　　者：高妮[1] 周明全[2] 耿国华[1] 王学松[2] 贺毅岳[1] 

机构地区：[1]西北大学信息学院计算机科学系,西安710069 [2]北京师范大学信息科学与技术学院,北京100875

出　　处：《计算机工程》2009年第19期36-38,共3页Computer Engineering

基　　金：国家科技支撑计划基金资助项目(2006BAD20B02)

摘　　要：在分析灾害新闻特点的基础上,提出一种基于文本挖掘的话题发现技术,采用基于平均分组的层次聚类算法,对灾害新闻资料进行组织,从而生成新闻专题,为用户提供个性化服务,并形成专题检测系统,同时介绍基于时间和地点权值向量的相似度计算模型以及基于时间的动态阈值模型。实验结果表明,该算法能够获得较好的性能。On basis of analyzing the character of disasters news, a topic detection technique based on text mining is proposed, which uses Group Average Clustering（GAC） algorithm to organize the disasters news materials, generate the news special topics, provide the personality service, and shape the whole system. The similarity computing model based on both weight vectors of time and place and dynamic threshold model based on time are introduced. Experimental results show this algorithm can obtain better performance.

关 键 词：话题发现与跟踪 层次聚类 文本挖掘 动态阈值 

分 类 号：TP311.52[自动化与计算机技术—计算机软件与理论]