基于時(shí)序話題模型的新事件檢測(cè)

摘要： 新事件檢測(cè)（Ｎｅｗ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ，簡(jiǎn)稱ＮＥＤ）的目標(biāo)是從一個(gè)或多個(gè)新聞源中檢測(cè)出報(bào)道一個(gè)新聞話題的第一個(gè)新聞。初步實(shí)驗(yàn)發(fā)現(xiàn)， 構(gòu)成事件的一項(xiàng)重要屬性是事件發(fā)生的特定時(shí)間，因此時(shí)間是區(qū)分不同事件的重要標(biāo)志。為此，提出時(shí)序話題模型（Ｔｅｍｐｏｒａｌ Ｔｏｐｉｃ Ｍｏｄｅｌ，簡(jiǎn)稱ＴＴＭ）。ＴＴＭ將話題和報(bào)道切分為若干對(duì)應(yīng)不同時(shí)間表達(dá)式的事件。其中，時(shí)間表達(dá)式描述事件發(fā)生的特定時(shí)間。ＴＴＭ基于時(shí)間表達(dá)式在話題中出現(xiàn)的頻率和增長(zhǎng)率，估量對(duì)應(yīng)時(shí)間表達(dá)式的事件作為種子事件或相關(guān)新穎事件的概率。此外，時(shí)間表達(dá)式的頻率與增長(zhǎng)率也用于衡量事件在相關(guān)性匹配中權(quán)重。在此基礎(chǔ)上，ＮＥＤ依賴時(shí)間特性快速遏制不同時(shí)間發(fā)生的事件匹配，并借助種子事件和新穎事件調(diào)整相關(guān)性判定的權(quán)重分配。

關(guān)鍵詞：

中圖分類號(hào)： ＴＰ３９１ 文獻(xiàn)標(biāo)識(shí)碼：Ｂ 文章編號(hào)：２０９５－２１６３（２０１１）０１－００７４－０５

０引言

新事件檢測(cè)（Ｎｅｗ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ，簡(jiǎn)稱為ＮＥＤ）是Ｔ－ＤＴ[１]中一項(xiàng)重要子任務(wù)，ＴＤＴ課題致力于研究對(duì)于不同新聞來源的多語(yǔ)言新聞文本進(jìn)行有效的組織、搜索與結(jié)構(gòu)化的技術(shù)，其目標(biāo)是檢測(cè)出報(bào)道一個(gè)新聞話題（ｔｏｐｉｃ）種子事件的第一個(gè)新聞（ｓｔｏｒｙ），也可理解為新話題的識(shí)別。話題[２]由一個(gè)種子事件[３]以及后續(xù)直接相關(guān)的事件或活動(dòng)組成，子話題是針對(duì)其中某一事件的相關(guān)描述，事件則定義為發(fā)生于特定時(shí)間和特定地點(diǎn)的事情[４]。

１相關(guān)研究

ＮＥＤ研究體系主要包含如下三類分支。

（１）“報(bào)道－報(bào)道型”

基于“報(bào)道－報(bào)道型”（簡(jiǎn)寫為ＳＳ）的ＮＥＤ系統(tǒng)將待測(cè)報(bào)道與所有前期報(bào)道進(jìn)行相關(guān)性匹配，如果相關(guān)度都小于特定閾值，則判定該報(bào)道為新話題。ＳＳ[５]的主要缺陷涉及兩方面：一方面，報(bào)道之間的相關(guān)性并不能恰當(dāng)描述報(bào)道與整個(gè)話題的相關(guān)性，比如話題初期的報(bào)道更相關(guān)于話題的種子事件，后期的報(bào)道更相關(guān)于話題框架下的新穎事件，兩者盡管隸屬于同一話題，但ＳＳ往往給予其較低的相關(guān)度；另一方面，高昂的計(jì)算代價(jià)限制了ＳＳ的實(shí)用化。

（２）“報(bào)道－聚類型”

基于“報(bào)道－聚類型”（簡(jiǎn)寫為ＳＣ）的ＮＥＤ系統(tǒng)則對(duì)所有前期報(bào)道進(jìn)行聚類，將每個(gè)聚類作為話題模型，并通過匹配報(bào)道與聚類的相關(guān)性判斷該報(bào)道是否為新事件。ＳＣ可以顯著提高ＮＥＤ系統(tǒng)的效率，但準(zhǔn)確率改進(jìn)并不顯著[６－７]。

（３）“報(bào)道－聚類－報(bào)道型”

“報(bào)道－聚類－報(bào)道型”（簡(jiǎn)寫為ＳＣＳ）建立了話題的樹型結(jié)構(gòu)，將根節(jié)點(diǎn)用于宏觀地描述話題，葉節(jié)點(diǎn)趨向描述話題中的具體事件。檢測(cè)過程中，報(bào)道與根節(jié)點(diǎn)的匹配用于快速查詢最相近的話題，而報(bào)道與中間節(jié)點(diǎn)和葉節(jié)點(diǎn)的匹配用于精確查詢相關(guān)事件。ＳＣＳ在不損失效率的同時(shí)顯著提高了精確率[７]。

２基于時(shí)序話題模型的新事件檢測(cè)

２．１基本思想

前面提到的檢測(cè)方法性能的不足主要體現(xiàn)在漏檢率過高，盡管后續(xù)研究融入的命名實(shí)體[４，８－９]和詞鏈[１０]等語(yǔ)言信息改進(jìn)了現(xiàn)有ＮＥＤ系統(tǒng)的性能，但并未明顯減少漏檢現(xiàn)象。此外，時(shí)間是反映話題發(fā)展趨勢(shì)的主要脈絡(luò)。比如，話題的種子事件發(fā)生的時(shí)間最早，并長(zhǎng)期駐留于相關(guān)于話題的報(bào)道流中；與此相對(duì)地，話題的新穎事件往往發(fā)生的時(shí)間較晚，但論述新穎事件的報(bào)道會(huì)在短期內(nèi)有爆發(fā)式的增益。

針對(duì)上述問題，本文提出一種融合上述兩種新聞特性的時(shí)序話題模型（Ｔｅｍｐｏｒａｌ Ｔｏｐｉｃ Ｍｏｄｅｌ，簡(jiǎn)稱ＴＴＭ）。

２．２時(shí)序話題模型

２．２．１話題描述

時(shí)序話題模型（ＴＴＭ）是在子話題建模基礎(chǔ)上提出的一種適應(yīng)新聞信息特性的話題模型。這是由一系列對(duì)應(yīng)于不同時(shí)間的事件組成的體系結(jié)構(gòu)，其表示形式如下式：

此外，ＴＴＭ利用時(shí)間表達(dá)式的增長(zhǎng)率（ｇｒｏｗｔｈ ｒａｔｅ）描述事件作為新穎事件的概率，ＮＥＤ則相應(yīng)地利用ＴＴＭ的這一屬性捕獲話題漂移后的相關(guān)報(bào)道，從而盡力削弱ＮＥＤ誤檢的概率。事件新穎性的概率估計(jì)如下式：

其中，Ｗ表示自從時(shí)間表達(dá)式ｔ在話題中首次出現(xiàn)后，ＮＥＤ截至待測(cè)報(bào)道共檢測(cè)到的相關(guān)于話題的報(bào)道總量；α＇為平滑參數(shù)。ｇｔ描述了時(shí)間表達(dá)式自出現(xiàn)后在話題內(nèi)的增長(zhǎng)率，ｇｔ越高，則時(shí)間ｔ對(duì)應(yīng)的事件作為新穎事件的概率越高。對(duì)于最早出現(xiàn)于話題中的時(shí)間ｔ，ｇｔ實(shí)際上描述這些時(shí)間對(duì)應(yīng)的事件作為種子的概率。因此，ｇｔ是一種融合種子事件和新穎事件概率估計(jì)的模型。相應(yīng)地，報(bào)道Ｓ和話題Ｔ的相關(guān)性計(jì)算如下式：

當(dāng)這一相關(guān)性高于閾值θ時(shí)，ＮＥＤ系統(tǒng)判定待測(cè)報(bào)道Ｓ相關(guān)于舊話題Ｔ；否則判定該報(bào)道為新事件，即新話題的首次報(bào)道。

２．２．３話題模型更新

當(dāng)ＮＥＤ判定某一報(bào)道相關(guān)于舊話題后，話題的ＴＴＭ需要基于這一報(bào)道進(jìn)行更新。當(dāng)更新過程將事件的某一語(yǔ)境首次嵌入話題的ＴＴＭ時(shí)，該語(yǔ)境的重現(xiàn)域隨即自動(dòng)開始倒計(jì)時(shí)；如果該語(yǔ)境在其重現(xiàn)域計(jì)時(shí)為０時(shí)，ＮＥＤ流程始終沒有發(fā)現(xiàn)該語(yǔ)境出現(xiàn)于任何新檢測(cè)到的相關(guān)報(bào)道中（該語(yǔ)境與這些報(bào)道中所有事件的相關(guān)性低于閾值η），則更新過程就會(huì)自動(dòng)將該語(yǔ)境從當(dāng)前話題的ＴＴＭ中刪除。本文經(jīng)驗(yàn)性地設(shè)置重現(xiàn)域等于５，即從語(yǔ)境嵌入話題的ＴＴＭ開始，如果ＮＥＤ流程新檢測(cè)到的５篇相關(guān)報(bào)道中從未出現(xiàn)該語(yǔ)境，則更新過程從話題的ＴＴＭ中刪除這一語(yǔ)境。圖１為時(shí)序話題模型更新的一個(gè)樣例。

３ 實(shí)驗(yàn)準(zhǔn)備

３．１語(yǔ)料與評(píng)測(cè)

實(shí)驗(yàn)采用ＴＤＴ４英文形式的文本類語(yǔ)料（包括機(jī)器翻譯和轉(zhuǎn)錄的結(jié)果）進(jìn)行評(píng)測(cè)。本文實(shí)驗(yàn)部分將ＴＤＴ２００２的新聞話題與其相關(guān)報(bào)道作為訓(xùn)練語(yǔ)料， 將ＴＤＴ２００３的新聞話題與其相關(guān)報(bào)道作為測(cè)試語(yǔ)料。

實(shí)驗(yàn)基于ＮＩＳＴ針對(duì)ＴＤＴ發(fā)布的評(píng)測(cè)指南， 采用檢測(cè)錯(cuò)誤代價(jià)ＣＤｅｔ分別從漏檢和誤檢兩個(gè)角度進(jìn)行評(píng)測(cè)。此外，本實(shí)驗(yàn)還采用ＤＥＴ曲線訓(xùn)練閾值，并在訓(xùn)練階段根據(jù)ＤＥＴ曲線的分布趨勢(shì)初步分析實(shí)驗(yàn)系統(tǒng)性能。

３．２實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)基于事件的時(shí)間屬性建立了五個(gè)ＮＥＤ系統(tǒng)。其中，兩個(gè)系統(tǒng)僅僅使用時(shí)間表達(dá)式的特征向量作為話題模型；其它三個(gè)系統(tǒng)則利用時(shí)間表達(dá)式及其對(duì)應(yīng)的事件建立話題的ＴＴＭ模型。此外，實(shí)驗(yàn)重現(xiàn)了三個(gè)現(xiàn)有新事件檢測(cè)系統(tǒng)，借以作為評(píng)價(jià)ＴＴＭ性能優(yōu)劣的參考。

上述系統(tǒng)的組成結(jié)構(gòu)如下：

（１）Ｏｓｙｓｔｅｍ１：該系統(tǒng)基于時(shí)間表達(dá)式的出現(xiàn)頻率描述話題模型；

（２）Ｏｓｙｓｔｅｍ２：該系統(tǒng)與系統(tǒng)Ｏｓｙｓｔｅｍ１類似，區(qū)別在于ＶＳＭ中的特征權(quán)重為時(shí)間表達(dá)式的增長(zhǎng)率，如公式（６）；

（３）Ｏｓｙｓｔｅｍ３：該系統(tǒng)建立話題的ＴＴＭ，即時(shí)間表達(dá)式為索引項(xiàng)，且每個(gè)時(shí)間表達(dá)式對(duì)應(yīng)在這一時(shí)間發(fā)生的事件；但該系統(tǒng)在新事件判定過程中并不使用時(shí)間索引項(xiàng)，而是僅僅檢驗(yàn)相關(guān)于話題的事件在話題中所占的比例。該系統(tǒng)側(cè)重檢驗(yàn)事件切分及其匹配對(duì)ＮＥＤ系統(tǒng)性能的影響；

（４）Ｏｓｙｓｔｅｍ４：該系統(tǒng)建立話題的ＴＴＭ，且基于“同時(shí)同事”原則和時(shí)間的頻率屬性進(jìn)行新事件的判定，如公式（５）；

（５）Ｏｓｙｓｔｅｍ５：該系統(tǒng)與Ｏｓｙｓｔｅｍ４類似，區(qū)別是檢測(cè)過程在“同時(shí)同事”原則的基礎(chǔ)上融入時(shí)間的增長(zhǎng)率，如公式（７）。

實(shí)驗(yàn)中重現(xiàn)的現(xiàn)有ＮＥＤ系統(tǒng)包括：

采用“報(bào)道－報(bào)道”型檢測(cè)模型的ＳＳ－ｓｙｓｔｅｍ；

采用“報(bào)道－聚類”型檢測(cè)模型的ＳＣ－ｓｙｓｔｅｍ；

融合命名實(shí)體的“報(bào)道－聚類－報(bào)道”型的ＳＣ－Ｓ＿ｓｙｓｔｅｍ。

４實(shí)驗(yàn)結(jié)果及分析

４．１訓(xùn)練結(jié)果及分析

實(shí)驗(yàn)首先針對(duì)參數(shù)η和ε進(jìn)行訓(xùn)練。訓(xùn)練過程通過觀測(cè)上述參數(shù)對(duì)事件相關(guān)性判定的影響，估計(jì)其最優(yōu)取值。為此，訓(xùn)練過程預(yù)先標(biāo)注了２ ６５９組事件的相關(guān)性。其中，每組包含兩個(gè)事件，且經(jīng)人工標(biāo)注為相關(guān)或不相關(guān)（１０名不重復(fù)學(xué)生進(jìn)行標(biāo)注）。參數(shù)訓(xùn)練過程中，每個(gè)事件表示為ε個(gè)特征組成的向量空間模型，這與ＴＴＭ中的事件描述方法一致；然后，基于向量夾角余弦計(jì)算每組事件相關(guān)度，如果相關(guān)度高于閾值η，則判定事件相關(guān)，否則不相關(guān)。最后，將判定結(jié)果與人工標(biāo)注結(jié)果進(jìn)行比對(duì)，且基于Ｆ值評(píng)測(cè)參數(shù)η 和ε的不同取值對(duì)判定結(jié)果的影響。Ｆ值最高時(shí)，上述參數(shù)的取值將作為訓(xùn)練的最終結(jié)果。檢驗(yàn)結(jié)果如圖２所示，可驗(yàn)證當(dāng)參數(shù)η 和ε分別等于０．０８５和１５時(shí)，Ｆ值最高，即事件相關(guān)性判定最準(zhǔn)確。因此，后續(xù)實(shí)驗(yàn)將利用參數(shù)η 和ε的上述取值評(píng)價(jià)ＮＥＤ系統(tǒng)性能。

平滑系數(shù)α和α＇的訓(xùn)練過程與上述參數(shù)的訓(xùn)練過程基本類似，如圖３所示。區(qū)別在于：訓(xùn)練過程使用訓(xùn)練語(yǔ)料評(píng)測(cè)其對(duì)ＮＥＤ系統(tǒng)性能的影響。

平滑系數(shù)α和α＇用于調(diào)整新穎事件和種子事件在話題與報(bào)道相關(guān)性判定中的權(quán)重，而上述訓(xùn)練過程顯示α和α＇的不同取值能夠影響ＮＥＤ系統(tǒng)的性能，因此這一訓(xùn)練結(jié)果驗(yàn)證了新穎事件和種子事件在識(shí)別新話題首次報(bào)道中的重要作用。但是，訓(xùn)練結(jié)果也顯示平滑系數(shù)α和α＇取值過高和過低都不能改善ＮＥＤ系統(tǒng)的性能，即系統(tǒng)Ｏｓｙｓｔｅｍ４和Ｏｓｙｓｔｅｍ５的歸一化ＤＥＴ損耗仍然較高。

４．２測(cè)試結(jié)果及分析

實(shí)驗(yàn)首先基于訓(xùn)練語(yǔ)料（面向１００個(gè)話題的６ ０８５個(gè)相關(guān)報(bào)道），針對(duì)系統(tǒng)Ｏｓｙｓｔｅｍ１至Ｏｓｙｓｔｅｍ５繪制了ＤＥＴ性能曲線，如圖４所示。作為綜合評(píng)定誤檢率和漏檢率的工具，ＤＥＴ曲線越靠近所在坐標(biāo)系的原點(diǎn)，則其對(duì)應(yīng)的ＮＥＤ系統(tǒng)性能越優(yōu)良。因此，圖４中ＤＥＴ曲線的評(píng)測(cè)結(jié)果顯示系統(tǒng)Ｏｓｙｓｔｅｍ１和Ｏｓｙｓｔｅｍ２的檢測(cè)性能最差。這一結(jié)果說明：僅用時(shí)間表達(dá)式構(gòu)建話題模型，且根據(jù)話題模型與報(bào)道是否包含相同時(shí)間表達(dá)式的多少裁定相關(guān)性，卻忽視事件本身的內(nèi)容，將無益于新話題首次報(bào)道的識(shí)別。

實(shí)驗(yàn)系統(tǒng)Ｏｓｙｓｔｅｍ４和Ｏｓｙｓｔｅｍ５嘗試融合時(shí)間表達(dá)式和事件內(nèi)容各自的優(yōu)點(diǎn)建立話題模型ＴＴＭ。相對(duì)于系統(tǒng)Ｏｓｙｓｔｅｍ１至Ｏｓｙｓｔｅｍ３，系統(tǒng)Ｏｓｙｓｔｅｍ４和Ｏｓｙｓｔｅｍ５獲得了更優(yōu)的檢測(cè)性能。其中，系統(tǒng)Ｏｓｙｓｔｅｍ５的檢測(cè)性能最優(yōu)。

系統(tǒng)Ｏｓｙｓｔｅｍ５取得的改進(jìn)主要來源于較低的誤檢率。原因在于該系統(tǒng)不僅檢驗(yàn)報(bào)道是否包含舊話題的新穎事件，也檢驗(yàn)報(bào)道中是否存在舊話題的種子事件。此外，側(cè)重論述新穎事件的后續(xù)相關(guān)報(bào)道往往也與話題的ＴＴＭ共有少量“同時(shí)同事”現(xiàn)象，尤其這類新穎事件成功嵌入ＴＴＭ之前，這一情況更為嚴(yán)重。因此，新穎事件的挖掘與應(yīng)用也有益于話題與報(bào)道相關(guān)性的判別。對(duì)此，系統(tǒng)Ｏｓｙｓｔｅｍ４判定報(bào)道是否包含舊話題的新穎事件，如果包含，則提高報(bào)道作為舊話題相關(guān)報(bào)道的概率，降低其作為新話題首次報(bào)道的概率，從而有助于降低ＮＥＤ系統(tǒng)誤檢上述側(cè)重論述新穎事件的相關(guān)報(bào)道，系統(tǒng)性能如圖４所示。其中，系統(tǒng)Ｏｓｙｓｔｅｍ４的最小歸一化ＤＥＴ損耗低于系統(tǒng)Ｏｓｙｓｔｅｍ１至Ｏｓｙｓｔｅｍ３，但高于系統(tǒng)Ｏｓｙｓｔｅｍ５。原因在于系統(tǒng)Ｏｓｙｓｔｅｍ５更融入了種子事件的挖掘與應(yīng)用，從而獲得更低誤檢率。

實(shí)驗(yàn)額外建立名為ＯｓｙｓｔｅｍＸ的ＮＥＤ系統(tǒng)用于檢驗(yàn)基于時(shí)間表達(dá)式的事件切分方法是否有助于ＴＴＭ改進(jìn)ＮＥＤ系統(tǒng)的性能。該系統(tǒng)與系統(tǒng)Ｏｓｙｓｔｅｍ３的構(gòu)建方法基本類似，區(qū)別是系統(tǒng)ＯｓｙｓｔｅｍＸ基于ＴｅｘｔＴｉｌｉｎｇ算法進(jìn)行事件切分。在此基礎(chǔ)上，實(shí)驗(yàn)對(duì)比了系統(tǒng)ＯｓｙｓｔｅｍＸ與系統(tǒng)Ｏｓｙｓｔｅｍ３至Ｏｓｙｓｔｅｍ５的檢測(cè)性能，借以檢驗(yàn)ＴＴＭ中基于時(shí)間表達(dá)式切分的事件對(duì)ＮＥＤ系統(tǒng)性能的影響，對(duì)比結(jié)果如圖５所示。實(shí)驗(yàn)結(jié)果顯示系統(tǒng)ＯｓｙｓｔｅｍＸ的檢測(cè)性能略優(yōu)于系統(tǒng)Ｏｓｙｓｔｅｍ３。

實(shí)驗(yàn)基于訓(xùn)練語(yǔ)料對(duì)３個(gè)現(xiàn)有的主流ＮＥＤ系統(tǒng)（即系統(tǒng)Ｅｓｙｓｔｅｍ１、Ｅｓｙｓｔｅｍ２和Ｅｓｙｓｔｅｍ３）繪制了ＤＥＴ曲線，并將其與上述實(shí)驗(yàn)中性能最優(yōu)的系統(tǒng)Ｏｓｙｓｔｅｍ４和Ｏｓｙｓｔｅｍ５進(jìn)行對(duì)比，借以檢驗(yàn)基于ＴＴＭ的ＮＥＤ系統(tǒng)是否具有更優(yōu)的性能。實(shí)驗(yàn)的對(duì)比結(jié)果如圖６所示。

所有實(shí)驗(yàn)系統(tǒng)的測(cè)試結(jié)果如表１所示。其中，Ｎｏｒｍ ＣＤｅｔ表示系統(tǒng)基于訓(xùn)練中的最優(yōu)閾值在測(cè)試語(yǔ)料中獲得的歸一化ＤＥＴ損耗（訓(xùn)練中的最優(yōu)閾值對(duì)應(yīng)訓(xùn)練語(yǔ)料中系統(tǒng)的最小歸一化ＤＥＴ損耗）；而Ｍｉｎ Ｎｏｒｍ ＣＤｅｔ表示系統(tǒng)在測(cè)試語(yǔ)料中可達(dá)到的最小歸一化ＤＥＴ損耗。

①α＝０．５，ε＝１５，η＝０．０８５

②α＇＝０．６５，ε＝１５，η＝０．０８５

③ε＝１５，η＝０．０８５

④λ＝３，δ＝０．１５５

４．３ＴＴＭ效率分析

實(shí)驗(yàn)根據(jù)系統(tǒng)在檢測(cè)過程中經(jīng)歷相關(guān)性匹配的總次數(shù)（Ｃｏｍｐａｒｉｓｏｎ ｔｉｍｅｓ，即Ｃｍｐ）作為評(píng)定其效率的標(biāo)準(zhǔn)，所有實(shí)驗(yàn)系統(tǒng)在測(cè)試語(yǔ)料中的效率如表１所示。其中，系統(tǒng)Ｅｓｙｓｔｅｍ１的效率最低。原因在于該系統(tǒng)的檢測(cè)過程中，每個(gè)待測(cè)報(bào)道都需要與所有已知的舊報(bào)道進(jìn)行相關(guān)性匹配。系統(tǒng)Ｅｓｙｓｔｅｍ２的效率顯著優(yōu)于系統(tǒng)Ｅｓｙｓｔｅｍ１。原因在于系統(tǒng)Ｅｓｙｓｔｅｍ２的檢測(cè)過程中，舊報(bào)道通過聚類構(gòu)成話題的描述模型，每個(gè)待測(cè)報(bào)道實(shí)際上只與少量話題模型進(jìn)行相關(guān)性匹配。系統(tǒng)Ｅｓｙｓｔｅｍ３建立了具有層次結(jié)構(gòu)的樹型話題模型，并抽選最優(yōu)匹配路徑上的聚類進(jìn)行報(bào)道與舊話題的相關(guān)性評(píng)定，這一檢測(cè)過程避免了待測(cè)報(bào)道與每個(gè)聚類都進(jìn)行相關(guān)性匹配，從而系統(tǒng)Ｅｓｙｓｔｅｍ３獲得了略優(yōu)于系統(tǒng)Ｅｓｙｓｔｅｍ２的效率。

系統(tǒng)Ｏｓｙｓｔｅｍ１至Ｏｓｙｓｔｅｍ５中，系統(tǒng)Ｏｓｙｓｔｅｍ１和Ｏｓｙｓｔｅｍ２的效率最高，原因在于其將報(bào)道和話題描述為若干時(shí)間表達(dá)式的向量，并直接匹配時(shí)間表達(dá)式判定相關(guān)性，而無需匹配話題與報(bào)道論述的內(nèi)容。

系統(tǒng)Ｏｓｙｓｔｅｍ５、Ｅｓｙｓｔｅｍ２和Ｅｓｙｓｔｅｍ３的上述效率差異也可從圖７中的效率分布曲線得以驗(yàn)證（由于系統(tǒng)Ｏｓｙｓｔｅｍ４和Ｏｓｙｓｔｅｍ５的效率基本一致，因此系統(tǒng)Ｏｓｙｓｔｅｍ４的效率未包含于圖７中的效率對(duì)比）。圖中每條曲線的產(chǎn)生方法如下：系統(tǒng)采用某一閾值對(duì)測(cè)試語(yǔ)料中的新聞報(bào)道流進(jìn)行ＮＥＤ檢測(cè)，每隔５００篇報(bào)道抽取一個(gè)報(bào)道樣本，并記錄報(bào)道與舊話題出現(xiàn)的匹配次數(shù)，以此共獲得按時(shí)間順序平均分布于報(bào)道流中的１０個(gè)報(bào)道樣本的匹配次數(shù)，從而可繪制系統(tǒng)的效率沿報(bào)道流的演化趨勢(shì)，即效率分布曲線。系統(tǒng)Ｏｓｙｓｔｅｍ５、Ｅｓｙｓｔｅｍ２和Ｅｓｙｓｔｅｍ３統(tǒng)一采用相同的隨機(jī)閾值繪制效率分布曲線。圖７顯示，系統(tǒng)Ｅｓｙｓｔｅｍ３在檢測(cè)初期的匹配次數(shù)最少，但是其匹配次數(shù)的增益比例最高，致使檢測(cè)后期系統(tǒng)Ｅｓｙｓｔｅｍ３的匹配次數(shù)遠(yuǎn)大于系統(tǒng)Ｏｓｙｓｔｅｍ５，甚至略大于系統(tǒng)Ｅｓｙｓｔｅｍ２。原因在于：系統(tǒng)Ｅｓｙｓｔｅｍ３的樹型話題模型隨著檢測(cè)過程不斷更新，而其更新過程中的樹型話題模型在深度和廣度上都不斷擴(kuò)展。相應(yīng)地，相關(guān)性匹配中的最優(yōu)路徑也將隨之不斷加長(zhǎng)，從而最優(yōu)路徑上需要匹配的聚類數(shù)量也隨之持續(xù)增多。相對(duì)于系統(tǒng)Ｅｓｙｓｔｅｍ３，系統(tǒng)Ｏｓｙｓｔｅｍ５在檢測(cè)過程初期的匹配次數(shù)最多，但是其增益比例最低，從而維持了相對(duì)平穩(wěn)的檢測(cè)效率。

值得說明的是，上述實(shí)驗(yàn)系統(tǒng)的效率分析過程忽略了各自預(yù)處理消耗的時(shí)間。

５ 結(jié)束語(yǔ)

本文提出一種時(shí)序話題模型（ＴＴＭ）。這一模型將話題描述為對(duì)應(yīng)不同時(shí)間索引項(xiàng)的事件集合。基于這一模型的ＮＥＤ系統(tǒng)利用時(shí)間索引項(xiàng)快速查詢同時(shí)發(fā)生的事件，并基于“同時(shí)同事”現(xiàn)象在話題模型中的比例判定新事件概率。此外，該模型基于時(shí)間表達(dá)式在報(bào)道流中的分布趨勢(shì)，挖掘話題的種子事件和新穎事件，并基于報(bào)道是否包含舊話題種子事件和新穎事件調(diào)整其作為新話題首次報(bào)道的概率。基于ＴＴＭ

的檢測(cè)系統(tǒng)在實(shí)驗(yàn)中取得了優(yōu)異性能，檢測(cè)準(zhǔn)確性和效率相對(duì)現(xiàn)有主流ＮＥＤ系統(tǒng)都有顯著提高。

由于ＴＤＴ語(yǔ)料集時(shí)間跨度較小，因此本文未能建立起用于預(yù)測(cè)當(dāng)前話題發(fā)展趨勢(shì)的歷史話題發(fā)展演化的完整過程。下一步工作需要從網(wǎng)絡(luò)上挖掘時(shí)間跨度較長(zhǎng)的新聞報(bào)道，建立合適的新聞?wù)Z料，研究如何利用建立歷史話題發(fā)展軌跡所提供的匹配模型預(yù)測(cè)新事件。

參考文獻(xiàn)：

[１] ｈｔｔｐ：//ｗｗｗ．ｎｉｓｔ．ｇｏｖ/ｓｐｅｅｃｈ/ｔｅｓｔ/ｔｄｔ/．

[２] ＡＬＬＡＮ Ｊ． Ｔｏｐｉｃ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ：Ｅｖｅｎｔ－ｂａｓｅｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｏｒｇａｎｉｚａｔｉｏｎ． Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ， ２００２． １－１６．

[３] ＹＡＮＧ Ｙ， ＺＨＡＮＧ Ｊ， ＣＡＲＢＯＮＥＬＬ Ｊ， ｅｔ ａｌ． Ｔｏｐｉｃ ｃｏｎｄｉｔｉｏｎｅｄＮｏｖｅｌｔｙ Ｄｅｔｅｃｔｉｏｎ[ｃ]／／ Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ８ｔｈ ＡＣＭ ＳＩＧＫＤＤＩｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ， ＡＣＭ Ｐｒｅｓｓ， ２００２， ６８８－６９３．

[４] ＹＡＮＧ Ｙ， ＣＡＲＢＯＮＥＬＬ Ｊ， ＢＲＯＷＮ Ｒ， ｅｔ ａｌ． Ｌｅａｒｎｉｎｇ Ａｐｐｒｏ－ ａｃｈｅｓ ｆｏｒ Ｄｅｔｅｃｔｉｎｇ ａｎｄ Ｔｒａｃｋｉｎｇ Ｎｅｗｓ Ｅｖｅｎｔｓ [Ｊ]． Ｉｎ ＩＥＥＥ Ｉｎ－ ｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｓｐｅｃｉａｌ Ｉｓｓｕｅ ｏｎ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｉｎ－ ｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ， ｖｏｌｕｍｅ １９９９， １４（４）：３２－４３．

[５] ＹＡＮＧ Ｙ， ＰＩＥＲＣＥ Ｔ， ＣＡＲＢＯＮＥＬＬ Ｊ． Ａ ｓｔｕｄｙ ｏｎ Ｒｅｔｒｏｓｐｅｃ－ ｔｉｖｅ ａｎｄ Ｏｎ－Ｌｉｎｅ Ｅｖｅｎｔ ｄｅｔｅｃｔｉｏｎ [Ｃ]／／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２１ｓｔａｎｎｕａｌ ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄｄｅｖｅｌｏｐｍｅｎｔ ｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ．ＣＭＵ， ＵＳＡ： ＡＣＭ， １９９８：２８ －３６．

[６] ＡＬＬＡＮ Ｊ， ＬＡＶＲＥＮＫＯ Ｖ， ＭＡＬＩＮ Ｄ， ｅｔ ａｌ． Ｄｅｔｅｃｔｉｏｎｓ， Ｂｏｕｎｄｓ， ａｎｄ Ｔｉｍｅｌｉｎｅｓ： Ｕｍａｓｓ ａｎｄ ｔｄｔ－３[Ｃ]／／ Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｔｏｐｉｃ Ｄ－ ｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ Ｗｏｒｋｓｈｏｐ （ＴＤＴ－３） [Ｃ]， Ｖｉｅｎｎａ， ＶＡ， ２０－ ００：１６７－１７４．

[８] ＺＨＡＮＧ Ｋｕｏ， ＬＩ Ｊｕａｎ Ｚｉ， ＷＵ Ｇａｎｇ． Ｎｅｗ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ Ｂ－ ａｓｅｄ ｏｎ Ｉｎｄｅｘｉｎｇ－ｔｒｅｅ ａｎｄ Ｎａｍｅｄ Ｅｎｔｉｔｙ[Ｃ]／／ Ｓｉｇｉｒ２００７ ＡＣＭ：Ａ－ ｍｓｔｅｒｄａｍ， ２００７．

[９] ＪＵＨＡ Ｍ， ＨＥＬＥＮＡ ＡＭ， ＭＡＲＫＯ Ｓ． Ａｐｐｌｙｉｎｇ Ｓｅｍａｎｔｉｃ Ｃｌａｓｓｅｓ ｉｎ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ[Ｃ]／／ Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｉｎｔｅｒｎａ－ ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＯＮ ２００２）． ２００２：１７５－１８３．

[１０] ＪＵＨＡ Ｍ， ＨＥＬＥＮＡ Ａ Ｍ， ＭＡＲＫＯ Ｓ． Ｓｉｍｐｌｅ Ｓｅｍａｎｔｉｃｓ ｉｎ Ｔ－ｏｐｉｃ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ [Ｊ]． Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． ２００４，７（３－４）：３４７－３６８．

[１１] ＮＩＣＯＬＡ Ｓ， ＪＯＥ Ｃ． Ｃｏｍｂｉｎｉｎｇ Ｓｅｍａｎｔｉｃ ａｎｄ Ｓｙｎｔａｃｔｉｃ Ｄｏｃｕ－ｍｅｎｔ Ｃｌａｓｓｉｆｉｅｒｓ ｔｏ Ｉｍｐｒｏｖｅ Ｆｉｒｓｔ Ｓｔｏｒｙ Ｄｅｔｅｃｔｉｏｎ[Ｃ]／／ Ｐｒｏｃｅｅｄ－ｉｎｇｓ ｏｆ ｔｈｅ ２４ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ．Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ． ＡＣＭ Ｐｒｅｓｓ． ２００１：４２４－４２５．

[１２] ＭＡＲＴＩ Ａ Ｈ． Ｍｕｌｔｉ－ｐａｒａｇｒａｐｈ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｅｘｐｏｓｉｔｏｒｙ ｔｅｘｔ[Ｃ]／／ Ｐｒｏｓｃｅｅｄｉｎｇｓ ｏｆ ３２ｎｄ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ ｏｆ ｔｈｅ ＡＣＬ． １９９４：９－１６．