主题发现（TOPIC DISCOVERY）技术方法研究.pdfVIP

主题发现技术方法研究* 1 2 1 1 1 赵琦 张智雄 孙坦 许雁冬 1 （中国科学院国家科学图书馆，北京 100080 ） 2(中国科学院研究生院，北京 100080) 【摘要】主题发现的目标就是利用一系列语义理解方法，从文本中自动发现主题，并以 适当的方式呈现出来，其核心在于利用语料自身的组织和结构来发现语义信息，包括语料中 的主题、主题的描述信息、主题的实例以及主题之间的关系等。 本文介绍了主题发现的技术思路，同时分析了主题发现的相关核心技术及典型应用系 统。最后提出了主题发现待解决的一些问题。 【关键词】主题发现主题聚类 本体构建 主题探测与追踪 【分类号】G250.76 A Research on the Methodological of Topic Discovery Zhao Qi1,2 Zhang Zhixiong1 Sun Tan1 Xu Yandong1 1 （National Science Library, Chinese Academy of Sciences, Beijing 100080, China) 2 （Graduate School of Chinese Academy of Sciences, Beijing 100080, China ） 【Abstracts 】The purpose of topic discovery is find topics in text by some semantic methods. The topic discovery methods focus on discovering semantic information , including topic names, topic descriptions, topic instants and topic relationships, using the own structure of corpus. This paper introduces technology construction of topic discovery and its core methods and typical applications. The final part is about some unsolved problems of topic discovery. 【Keywords 】Topic Discovery , Topic Clustering, Ontology Constructing, TDT 当前，面对海量的、异构的信息，用户往往难以全面的了解、准确定位。针 对这一问题，人们开展了诸多研究，提出了种种解决方案，主题发现（Topic Discovery ）就是其中之一。主题发现的目的是处理和分析大规模信息并且使用 户以最快速有效的方式了解信息内容，发现信息中的主题，进而快速准确地定位 所要获取的信息。 *本文受国家社会科学基金项目“从数字信息资源中实现知识抽取的理论和方法研究”（05BTQ006 ）的资金 资助。 1 什么是主题发现 主题发现也被成为主题抽取或主题识别，目的是处理和分析大规模信息并且 使用户以最快速有效的方式了解信息内容，发现信息中的主题。目前对于主题发 现并没有一个明确定义，只是作为从复杂大规模信息源中获取主题并进行表现的 一系列技术方法的总称。但是通过调研一系列相关项目和论文，笔者认为，主题 发现可以分为广义和狭义的两种。 广义的主题发现的信息源可以包括文本、图片、声音、影像等等。而发现主 题的方式也较为灵活，只要是可以发现代表性信息的方法都可以列入其中。例如， 针对文本的主题发现就可以有：从高频被引论文中抽取高频词来代表主题领域、 基于语义局部性思想来界定主题领域、以词频变化率处于突发状态的主题词作为 [1] 主题领域等多种方式 。 而狭义的主题发现特指从大规模文本中发现主题的方法。目标在于在已经确 定了文档集中的若干术语或概念的基础上，进行主题聚类，发现文档中的核心主 题，并选择