信念網路在話題識別與追蹤中的套用研究

內容簡介

向量空間檢索模型在話題識別與追蹤領域的成功套用，從理論上證明用於信息檢索的貝葉斯網路模型亦可用於該領域。信念網路模型屬於基於貝葉斯網路的檢索模型的一種，專著圍繞該思想，將其用於話題識別與追蹤模型的構建，為該領域提出新的研究方法。考慮到新聞報導的特殊性，在文本處理階段，將在基本互信息的基礎上，提出融合聚類思想和時間距離的新聞話題特徵選擇方法，用於計算新聞報導中術語的權重。為了獲得每個話題的初始特徵子集規模，給出基於類內距離*小、類間距離大的目標函式，並採用坐標下降法對其求解結合信念網路模型和新聞報導的特點，給出四個基於信念網路的話題模型BSTM-I、BSTM-II、BDTM-I和BDTM-II。BSTM-I、BSTM-II屬於靜態話題模型，其區別是節點層數、類型。BDTM-I屬於動態話題模型，節點類型和弧的意義與靜態模型相同，不同的是在話題追蹤過程中，其術語層會隨著話題的發展而不斷更新，包括術語權重的更新和術語節點的插入、刪除。以上三個話題模型沿用了傳統建模思想，具備和以往模型相同的優缺點。BDTM-II打破傳統建模的思想，運用信念網路模型提供了一個靈活框架的優勢，將術語節點分為兩類：初始核心術語節點和更新術語節點，並採用析取手段將它們作為兩類證據進行歸併。依據模型的拓撲結構、貝葉斯機率和條件獨立性假設給出了上述四個話題模型的機率推導。*後，專著將在上述內容的基礎上，進行基於信念網路的話題模型最佳化研究，以期進一步提高模型的綜合性能。

圖書目錄

序

前言

第1章緒論

第2章研究基礎

第3章話題特徵選擇

第4章基於信念網路的靜態話題模型

第5章基於信念網路的動態話題模型

第6章誤報檢測用於最佳化基於信念網路的動態話題模型Ⅱ

第7章動態話題追蹤中的時序權重

第8章基於話題的事件相似度計算

第9章總結與展望

參考文獻

信念網路在話題識別與追蹤中的套用研究

基本介紹

內容簡介

圖書目錄

熱門詞條