資源描述：
《中文新聞文本傾向性的分析研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、萬方數(shù)據(jù)學(xué)位論文版權(quán)使用授權(quán)書I黜粵科本人完全了解北京信息科技大學(xué)關(guān)于收集、保存、使用學(xué)位論文的規(guī)定，按照學(xué)校要求提交學(xué)位論文的印刷本和電子版本。學(xué)校有權(quán)保留學(xué)位論文并向中國科學(xué)技術(shù)信息研究所等國家主管部門或其指定機構(gòu)送交論文的電子版和紙質(zhì)版，允許論文被查閱和借閱，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。學(xué)校有權(quán)適當(dāng)復(fù)制、公布論文的全部或部分內(nèi)容。學(xué)校有權(quán)將本人的學(xué)位論文加入《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫》和編入《中國知識資源總庫》。學(xué)位論文作者簽名：如e舜，月>R口公開口保密(——年——月)(保密的學(xué)位論文在解密后應(yīng)遵藤諱矽擴年鄉(xiāng)月fD曰洲肆，
2、月2日萬方數(shù)據(jù)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文題目為《中文新聞文本傾向性分析研究》學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下，進行研究工作所取得的成果。盡我所知，除了文中特別加以標注的內(nèi)容外，本學(xué)位論文的研究成果不包含任何他人創(chuàng)作的、已公開發(fā)表或者沒有公開發(fā)表的作品的內(nèi)容。對本論文所涉及的研究工作做出貢獻的其他個人和集體，均已在文中以明確方式標明并表示了謝意。本學(xué)位論文原創(chuàng)性聲明的法律責(zé)任由本人承擔(dān)。作者簽字：斑諱2力e琿凋瑁分類號：TP391單位代碼：11232萬方數(shù)據(jù)摘要信息技術(shù)的發(fā)展，為新聞的傳播帶來了極大便利，但同時也將越來越多的新聞傾向性披露在公眾的
3、面前，直接或間接地影響了新聞的輿論導(dǎo)向，對輿情監(jiān)測提出了新的挑戰(zhàn)。準確高效的新聞傾向性分析有助于公眾了解最新社會動態(tài)，獲悉時事熱點；也有助于監(jiān)管部門及時了解輿論輿情的最新發(fā)展和走勢，積極有效地采取應(yīng)對措施，減少負面新聞在網(wǎng)絡(luò)中的傳播，合理地引導(dǎo)公眾的關(guān)注視線，共創(chuàng)和諧網(wǎng)絡(luò)文化環(huán)境。新聞文本中情感表達較為隱晦，涉及內(nèi)容更是方方面面，加上目前尚缺乏行之有效的篇章級分析理論與工具，給新聞文本的傾向性分析帶來了不便?？紤]到并不是所有新聞句子都包含情感傾向，而且有的句子與新聞內(nèi)容關(guān)聯(lián)不大，因此直接對整篇新聞文本進行傾向分析可能有失偏頗。利用新聞文本的結(jié)構(gòu)特點，本文首先構(gòu)建
4、了多特征融合的主題句抽取模型，然后討論了新聞句子傾向性的分析方法，最后將二者結(jié)合完成新聞文本傾向性分析的任務(wù)。另外，針對一些新聞事實為負面的突發(fā)性新聞形成的專題，探討了新聞專題階段性摘要的生成。本文的研究工作主要包括以下幾個方面：(1)提出了多特征融合的新聞主題句抽取模型。深入研究了新聞文本中高頻詞的發(fā)現(xiàn)算法，并根據(jù)高頻詞出現(xiàn)位置的不同，分析了新聞高頻詞特征對新聞句子重要性的加權(quán)；詳細探討了新聞標題特征對新聞內(nèi)容表達的作用，定量計算了新聞標題與新聞句子的相似程度；根據(jù)新聞的“倒金字塔”式的文本結(jié)構(gòu)，分析了新聞的句子位置特征：收集整理了新聞中具有情感導(dǎo)向的傾向性線
5、索詞，用于挖掘新聞中可能存在的傾向旬。最后根據(jù)上述四種特征，完成多特征融合的主題句抽取模型的構(gòu)建。(2)討論了新聞句子的傾向性分析方法。一是基于情感詞典的分析方法，構(gòu)建了一部21175個普通情感詞匯和1438個新聞情感詞匯組成的情感詞典，并收集了新聞引述性詞匯，然后根據(jù)三種詞匯的優(yōu)先級不同設(shè)計了基于情感詞典的新聞句子傾向性分析方法，該方法與第(1)部分的新聞主題句抽取模型相結(jié)合，在cOAE2014的相應(yīng)評測任務(wù)上取得了較好的成績。二是機器學(xué)習(xí)的方法，分析比較了情感詞特征、unigr鋤特征以及二者結(jié)合的方法。三是對第一種和第二種方法的改進，采用情感詞典+u11ig
6、r鋤特征相結(jié)合的句子傾向性分析方法，用于對新聞主觀句進行情感分類。(3)探討了新聞文本的傾向性分析方法。對新聞文本傾向性分析的過程進行了規(guī)范化描述，將其分解為新聞主題句的抽取和新聞句子的傾向性分析兩個子任務(wù)，并探討了該做法的可行性，然后借助新聞主題句抽取模型和情感詞典+unigram特征的句子傾向性分析方法，完成了新聞文本傾向性分析的任務(wù)。萬方數(shù)據(jù)摘要(4)提出了新聞專題階段性摘要的生成算法。針對一些事實為負面傾向的突發(fā)性新聞形成的專題，分析了話題的形成、延續(xù)、消亡與階段性摘要內(nèi)容的對應(yīng)關(guān)系，利用話題檢測與追蹤技術(shù)詳細介紹了基于時『白J流的話題雙向聚類和話題交集
7、的再聚類算法，以此生成新聞專題的階段性摘要，并通過實驗說明了該算法具有較好的召回率。關(guān)鍵詞：新聞文本傾向性；主題旬抽?。恍侣劸渥觾A向性；階段性摘要萬方數(shù)據(jù)ABSTRACTWiththedeVelopmentofinfonnationtecllllology'greatconveniencehasbeenbrou曲tfornewscommunication．Moreandmorenewspolaritiesareexposedtothepublicatthes鋤etime，、—hichwouldinnuencethepublicopiniondirectlyori
8、ndirectlyand
