Enhancing the Effectiveness of Topic Detection Model by Augmenting Keywords Based on DBpedia

在現今資料快速增加的時代，從電子新聞到推特臉書等社群媒體，網路已成為最容易獲取資訊的方式，但是面對如此多的資訊內容，使用者常需花費相當多的時間，以了解眾多非結構化的資訊，無法利用單純的分類方法，去掌握文件主題發展趨勢，因此如何在眾多資訊找出主題或趨勢就成為研究的課題，而主題模型即是從大量文本資料擷取主題概念的重要方法。 一般文件主題偵測方法常以計算文件相似度為基礎，但在不同文件中，會因內容多變措辭不同，造成文件間相似度偏低。基於圖形化的主題偵測方法則把關鍵字詞當作是節點，藉以找出主題集群的方法，而其中KeyGraph方法就是利用字詞間co-occurrence的關係來建立連結的圖形化主題偵測方法。由於字詞因在不同文件中，可能有同義不同詞或是兩字詞有相關聯性，但因兩字相異就無法建立連結，造成兩篇文章關聯性過低，因此本研究根據此問題進行解決，透過知識本體語料庫DBpedia背景知識，幫助增加與該篇文章有相關的關鍵字詞，藉以讓KeyGraph能形成更好的主題群集，並增加主題下關鍵字的內容，成效評估方式不應只依賴傳統的精確率與召回率，應當去瞭解使用者真正的需求與目的，才能設計、調整出最佳的分類系統。因此本研究提出的方法評估出在路透社及CNET分群出的新聞主題數與原未使用擴增方法相比皆提升了三個新主題，主題下相關分類新聞數量則各增加51%及45%，產生群集結果優於原KeyGraph方法。The rapid growth of information, especially from e-news and social media, has resulted in the so-called information overloading for the users. Therefore, topic model emerged as an effective method for extracting topics from unstructured text documents. In general topic detection and tracking methods, the co-occurrence relationship of keywords is wildly used for calculating document similarity. However, synonyms and correlated keywords are used quite often in different documents by different authors even though these documents may talk about the same topic. In this thesis, we extend the keywords relating to a document by using the knowledge ontology of DBpedia. The experimental results show that the proposed method generates better results in terms of number of news topics and number of news under a topic.摘要 i Abstract ii 目次 iii 圖目次 iv 表目次 v 第1章 緒論 1 1-1 研究背景及動機 1 1-2 研究目的 2 1-3 主要貢獻 3 1-4 論文架構 3 第2章 相關研究 4 2-1 新聞主題偵測 4 2-2 語意網與鏈結開放資料 10 2-3 基於本體論主題偵測方法 11 第3章 系統架構與方法 12 3-1 系統架構 12 3-2 關鍵字標註 13 3-3 關鍵字擴增 14 3-4 主題偵測 16 第4章 系統實作與實驗分析 18 4-1 開發工具與實驗環境 18 4-2 測試資料集 19 4-3 科技新聞主題偵測影響評估 20 第5章 結論與未來研究 24 5-1 結論 24 5-2 未來研究方向 24 參考文獻 26 附錄一 路透社新聞主題文章擴增前後數量比較 28 附錄二 路透社新聞主題關鍵字 29 附錄三 CNET新聞主題關鍵字 3