信念网络在话题识别与追踪中的应用研究

向量空间检索模型在话题识别与追踪领域的成功应用，从理论上证明用于信息检索的贝叶斯网络模型亦可用于该领域。信念网络模型属于基于贝叶斯网络的检索模型的一种，它提供了一个灵活的框架，可以有效地归并不同证据。作者尝试将信念网络用于话题识别与追踪模型的构建，为该领域提出新的研究方法。本书在信念网络检索模型的基础上给出四个话题模型，其中第二个动态话题模型归并了新闻话题的初始证据和更新证据，解决了传统静态话题模型、动态话题模型孰优孰劣的问题，有效控制了话题漂移现象。为提高话题识别与追踪的综合性能，对新闻数据预处理阶段的特征选择、权重计算和模型优化进行了相关研究。