基于贝叶斯网络的静态话题追踪模型
[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.
贝叶斯网络 话题追踪 事件 静态话题模型
徐建民 张丽青 王苗
河北大学网络空间安全与计算机学院 保定071002
国内会议
兰州
中文
200-206
2019-07-10（万方平台首次上网日期，不代表论文的发表时间）