基于案件要素指导及深度聚类的新闻与案件相关性分析

李云龙，余正涛，高盛祥，郭军军，彭仁杰

(1. 昆明理工大学 信息工程与自动化学院，云南 昆明 650500；2. 昆明理工大学 云南省人工智能重点实验室，云南 昆明 650500)

0 引言

案件领域舆情分析都是以某案件相关的新闻文本为基础开展的，新闻与案件的相关性分析的目的是判断新闻文本与案件是否相关，是案件领域新闻舆情分析的重要环节，对于案件领域舆情分析具有重要意义。新闻与案件相关性分析可以被看作是一个文本聚类过程，即描述同一个案件的新闻文本被聚类到同一个案件簇下。目前对于文本聚类的相关研究可分为基于统计和基于深度学习两类方法。基于统计的方法大多以向量空间模型为基础，通过更改文档特征的提取方法或者利用外部知识增强文本表示来提升聚类效果。Kang等人[1]将文档抽出的关键词作为特征来表征文档，从而完成文本的聚类。Bouras等人[2]利用WordNet中词汇关系对原文本向量进行补充，提出了一种基于WordNet的新闻文档聚类方法。张雪松[3]等人运用频繁词集对文本进行表示，之后利用社区划分算法实现文本聚类。然而，基于统计的方法没有考虑文本的序列信息和句法语义信息，只能获取浅层的语义特征。基于深度学习的文本聚类方法因其强大的语义表示能力成为目前研究的趋势，其主要思想是选用合适的监督信号，利用深度学习框架获得文本的特征向量，提升聚类的效果。Xu等人[4]以文本的谱哈希作为监督信息，利用卷积神经网络学习文本的表征，最后使用K-means算法实现文本的聚类。……