inwind

   項目的終極目標是輿情分析，為主管部門及時掌握網絡輿論情況，以及了解輿論發展的時間和空間上的發生發展情況。所作的工作必須以此為判斷的唯一標準。
   
   分類，首先要有個分類體系，現在掌握的情況是，分類是根據學科體制，在分類樹的某個節點上，按照唯一的標準進行分類。
   
   但是，人類知識本身就是渾然一體的，存在大量的交叉，甚至不同領域研究同一對象，甚至使用相同或者相似方法。（這時感覺，徐小棟老師的說法還是對的，呵呵，知識是渾然一體的，分類是人工雕琢，但是為了掌握的方便，只好如此了）。
   更何況，網絡信息的多樣性，隨意性，以及貼近生活，使得網絡信息，尤其是新聞，難以按照學科體制分類，或者很不適合用學科體制分類。
   例如，管理部門想要了解民眾對神六的看法，討論和關注程度，以及關注的方面。但是按照分類體系，神六對經濟的影響屬于經濟類，對外交的影響屬于政治類，對民俗的影響又屬于文化類。這樣，對于管理部門，可能是不想要得結果。
   
   又考慮到了主題的概念，一篇文章舉的例子，地震是主題，但是，唐山地震又是另外的概念，事件；載人航天是主題，但是神六上天又是事件。沒有人給出確切的定義。
   可否這樣定義呢：主題，是關于一個較為抽象概念的所有文章。
   事件，是關于一個確切的事件。
   
   但是，問題是，較為抽象的概念，分類的定義就是，對概念進行劃分，概念是關于本質屬性的反應。本質屬性呢，就是決定一個事物或者一類事物不是其他的決定性屬性。主題和分類還是有些混亂啊。

   現在想了兩種方案，
一是分大類，僅一級，分個十幾二十類，然后在下面進行聚類和事件發現跟蹤。
二是分得比較細，仿照北大或者google的三級分類，然后進行聚類和事件發現跟蹤，然后給出事件發現跟蹤的結果。

哪一個比較好呢，似乎第一類，簡單分類后，對于聚類和事件發現跟蹤的影響小。
但是，新聞的特征向量如何選取呢，理論上分類和聚類的要求是相同的，但是肯定會有細微的差別，更何況聚類還需要考慮新聞的時間分布。

另外一個問題了，事件發現需要利用新聞事件的時間特性，但是，在比較長一段時間內，關于一系列事件的主題，如何挖掘呢，比如，礦難。——給每個新聞事件確定一個特征向量，然后對事件的特征向量進行聚類？

嗯，繼續研究繼續研究