陈黎明 黄瑞章 秦永彬 陈艳平 刘丽娟

（1.贵州大学计算机科学与技术学院 贵阳 550025）（2.贵州省公共大数据重点实验室 贵阳 550025）（3.贵州师范学院 贵阳 550018）

1 引言

如今各大新闻网站会对各种各样的事件进行报道，这些大量的新闻报道中既存在着正能量的有利信息，也可能隐藏着负面或者敏感的信息。一条普通新闻一旦被关注可在极短的时间传播开来，往往会从普通事件演变成爆点事件，继而引发政府公信力下降等问题。因此，舆情监管部门对新闻报道高度重视，要求加强监测力度，密切关注事态发展。

话题检测与跟踪（Topic Detection and Tracking，TDT）［1］是一种面向新闻信息流的处理技术，旨在自动识别新话题和持续跟踪已知话题，其中话题由一个种子事件以及与其直接相关的事件组成。话题追踪作为TDT子任务，其目的是依据给定的新闻集合或描述在后续辨认出话题相关报道，能够用于快速获取话题信息，协助有关部门进行舆情监测和分析。

舆情监测的对象为热点或敏感话题，需要人为介入的机制，因此更倾向于使用一组关键词来进行话题追踪，方便在追踪过程中进行调整。根据关键词来进行特定话题追踪，有以下难点：1）舆情新闻数据容易遗漏。使用关键词进行简单匹配会引入大量无关数据，所以需要衡量词语在文章中的重要性，常用来衡量词语重要性的方法难以处理词语出现频率较低的情况，这会导致当新闻中与话题相关的信息出现频率较低时难以追踪到此类新闻数据。……