网络舆情：热点话题演化中噪声引入分析

随着时间的推移，新的相关报道不断融入已有话题，实现话题的动态演化，该过程符合人们的逻辑认知。缺点是在话题演化过程中可能会引入噪声特征，从而降低话题识别与追踪系统的综合性能，甚至导致上述的话题漂移现象的产生。本节以TDT4语料中的41020话题“印度尼西亚教堂的袭击”为例，再次梳理话题的演化过程，简析理论上如何避免话题演化过程中噪声特征的引入。

41020话题起始于2000年12月24日，TDT评测会议组通过新闻早报（ZBN）、中国广播系统（CTS）和中国电视系统（CBS）三家媒体搜集、追踪与该话题相关的中文新闻报道，图6-5展示了该话题的演化脉络，图中矩形框里的内容为对应时间追踪到的新的相关报道的描述特征。

图6-5中左边带箭头的线为时间轴，观察上图可以发现，在话题演化过程中，核心特征“印尼；教堂；爆炸”贯穿于话题发展的始终，体现了话题核心内容的守恒。在话题演化的过程中，还出现了一些新的特征，有些新特征的引入可以体现话题的演化，起到正面的作用，有些新特征的引入却起到了反面的作用。图中2000年12月25日之后出现的新特征“警方；嫌犯；驻守；疗伤”等很好地体现了话题的发展脉络，起到了正面的作用；而2000年12月26日出现的新特征“中东和平；以色列；巴勒斯坦；死亡文化”在后续的相关报道中均未出现，这些特征的引入，可能会使话题在发展过程中产生漂移，故在话题演化中起到了反面作用；特征“恐怖分子；国家分裂”出现在TDT4语料的多个中文话题中，它们的引入势必会降低话题与话题之间的区分度，故在进行话题表示时这些新引入特征的权重应进行适当衰减。

图6-5　41020话题演化脉络(www.xing528.com)

通过上述分析发现，从话题的完整演化脉络来看，噪声特征具有明显的特性，这些特性对话题演化中噪声特征的识别具有重要的理论指导。

（1）间断性：在话题演化过程中，不同时间段的相关新闻报道会引入一些新的特征，有效新特征的引入往往标志着话题发展过程中一个新阶段的到来，可降低话题追踪的漏报率。但是，若一个新的特征仅在某个相关新闻报道中以较高权重出现，在之后的时间距离Δt内或之后的n个相关报道中再也没出现，则认为该特征的间断性较强，为噪声的可能性很大，其权重应该进行衰减，例如41020话题中的“以色列；巴勒斯坦；死亡文化”。

（2）分布性：依据特征选择理论，如果特征ki在话题topic1，topic2，…，topicn中均出现，则该特征的类辨别能力较差，在后期的话题识别与追踪中存在误报可能。据此，如果追踪到的新相关报道中的新特征kj分布在m（m≥2）个话题中，则需要使其权重衰减，且衰减程度应与m成正比。