徐 静，杨小平

(1. 中国人民大学 信息学院, 北京 100872;2. 中华女子学院 计算机系，北京 100101)

基于CRF模型的网络新闻主题线索发掘研究

徐 静1,2，杨小平1

(1. 中国人民大学 信息学院, 北京 100872;2. 中华女子学院 计算机系，北京 100101)

为了准确挖掘出同一主题的大量网络新闻的线索发展脉络，该文提出了一种基于条件随机场模型的网络新闻主题线索发掘方法。首先，根据新闻主题线索句的识别规则提取出相关特征，并应用到条件随机场模型中提取出主题线索句；然后，按照时间顺序构建原始线索链；最后，对语义相近的原始线索链进行合并处理，获得最终的新闻主题发展脉络。实验结果表明，该方法在主题线索句识别上有较好的效果，最终得到的主题线索脉络能够较清晰地展现新闻发展趋势。

主题线索；条件随机场；线索链

1 引言

网络时代的快速发展使得网上的信息量正以几何级别速度不断增加，而以Web为载体的网络新闻已经成为人们获取信息的重要来源之一。随着时间的延伸，某个主题的网络新闻内容也会随之发生变化，且一篇网络新闻可能只是描绘与主题相关的一个事件的发展片段。如何能够从大量相关网络新闻中挖掘出整个主题的线索脉络，从而帮助用户尽快掌握某个新闻的发展脉络及追踪感兴趣的主题，具有实际意义。

2 相关工作

主题一般是指文本或文档集的中心思想，主题的线索脉络可以反映一个主题从开始发生，到发展的各个阶段，到高潮，再到逐渐没落的整个变化过程。……