基于贝叶斯网络的故事线挖掘算法

　　目前的多数故事线挖掘研究侧重新闻文献和事件的相似性分析，忽略了故事线的结构化表述及新闻具有的延时性，无法直观地从模型结果看出不同新闻话题的发展过程。为此，提出一种基于贝叶斯网络的无监督故事线挖掘算法。将故事线看成日期、时间、机构、人物、地点、主题和关键词的联合概率分布，并考虑新闻时效性。在多个新闻数据集上进行的实验和评估结果表明，与K-means、LSA等算法相比，该算法模型具有较高的故事线挖掘能力。