文献

J-GLOBAL ID：200902209119762756   整理番号：08A1059476

単独記事フィルタリングを用いた時系列ニュース記事分類法の提案

著者 (5件)： 中村智浩 (早稲田大 大学院基幹理工学研究科) ,  平野孝佳 (早稲田大 大学院基幹理工学研究科) ,  平手勇宇 (早稲田大 メディアネットワークセ) ,  山名早人 (早稲田大 理工学術院) ,  山名早人 (国立情報学研)
資料名： 日本データベース学会論文誌  (Journal of the DBSJ)
巻： 7  号： 2  ページ： 7-12  発行年： 2008年09月26日 
JST資料番号： L5754A  ISSN： 1883-1060  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 関連記事や最新話題語などの検出を目的として,インターネット上のニュース記事を対象としたクラスタリングが広く研究されている。しかし,従来のクラスタリング手法では,単独記事,すなわち,続報・派生記事が出ず,他記事との関連性を持たない記事がクラスタに取り込まれてしまうという欠点があった。本稿では,まず事前実験において集めたニュース記事群中において単独記事が多いことを確認し,次に,単独記事のフィルタリングを用いるクラスタリング手法を提案した.提案手法では,単独記事をフィルタリングするため,当該記事中に出現する固有名詞が予め設定した閾値以上であるものを単独記事の候補群とする.次に,記事中の地理的情報や,非単独記事固有の「~~問題で」「~~事件で」という特徴的な表現を用いて,単独記事候補群から非単独記事の可能性があるものを除外する.以上の手順で作成された記事群に対して既存の階層型クラスタリングを適用する.これによって,クラスタリングの対象となる記事数を減らすことができるため,計算時間の削減も可能となる.半年分の日本のニュース2,136記事を用いた評価で,最短距離法でクラスタリングする場合,本手法を適用することにより,精度を10.2%改善できると共に計算時間を約1/3に抑えることができた.

シソーラス用語： *クラスタ化 ,  文書処理 ,  *ニュース ,  文書 ,  分類 ,  性質 ,  *フィルタリング ,  名詞 ,  日本語 ,  インターネット
準シソーラス用語： *文書クラスタリング ,  記事 ,  文書分類 ,  関連性 ,  固有名詞

分類 (1件)： 自然語処理  (JE06000L)

引用文献 (10件)：

• J. Allan, J. G. Carbonell, G. Doddington, J. Yarnron and Y. Yang, “Topic Detection and Tracking Pilot Study Final Report”, Proc. of DARPA Broadcast News Transcription and Understanding Workshop, pp. 194-218, 1998.
• J. Fiscus, G. Doddington, J. Garofolo and A. Martin, “NIST’s 1998 Topic Detection and Tracking evaluation (TDT2) ”, Proc. of the 1999 DARPA Broadcast News Workshop, Herndon, Virginia, pp. 19-24, 1999.
• V. Hatzivassilogou, L. Gravano and A. Maganti, “An Investigation of Linguistic Features and Clustering Algorithms for Topic Document Clustering”, Proc. of the 23rd Ann. Int’l ACM SIGIR Conf. on Research and Development in Information Retrieval, pp. 224-231, 2000.
• 上嶋宏, 三浦孝夫, 塩谷勇, “時系列ニュース記事集合に基づくニュース記事の順序付け”, DEWS2004, 1-B-04, 2004.
• 佐藤吉秀, 川島晴美等, “時系列ニュース記事における最新話題語抽出方法”, 自然言語処理, Vol.2005 No.73, pp. 1-6, 2005.

タイトルに関連する用語 (6件)： 記事 ,  フィルタリング ,  時系列 ,  ニュース記事 ,  分類法 ,  提案