inwind

   项目的终极目标是舆情分析，为主管部门及时掌握网络舆论情况，以及了解舆论发展的时间和空间上的发生发展情况。所作的工作必须以此为判断的唯一标准。
   
   分类，首先要有个分类体系，现在掌握的情况是，分类是根据学科体制，在分类树的某个节点上，按照唯一的标准进行分类。
   
   但是，人类知识本身就是浑然一体的，存在大量的交叉，甚至不同领域研究同一对象，甚至使用相同或者相似方法。（这时感觉，徐小栋老师的说法还是对的，呵呵，知识是浑然一体的，分类是人工雕琢，但是为了掌握的方便，只好如此了）。
   更何况，网络信息的多样性，随意性，以及贴近生活，使得网络信息，尤其是新闻，难以按照学科体制分类，或者很不适合用学科体制分类。
   例如，管理部门想要了解民众对神六的看法，讨论和关注程度，以及关注的方面。但是按照分类体系，神六对经济的影响属于经济类，对外交的影响属于政治类，对民俗的影响又属于文化类。这样，对于管理部门，可能是不想要得结果。
   
   又考虑到了主题的概念，一篇文章举的例子，地震是主题，但是，唐山地震又是另外的概念，事件；载人航天是主题，但是神六上天又是事件。没有人给出确切的定义。
   可否这样定义呢：主题，是关于一个较为抽象概念的所有文章。
   事件，是关于一个确切的事件。
   
   但是，问题是，较为抽象的概念，分类的定义就是，对概念进行划分，概念是关于本质属性的反应。本质属性呢，就是决定一个事物或者一类事物不是其他的决定性属性。主题和分类还是有些混乱啊。

   现在想了两种方案，
一是分大类，仅一级，分个十几二十类，然后在下面进行聚类和事件发现跟踪。
二是分得比较细，仿照北大或者google的三级分类，然后进行聚类和事件发现跟踪，然后给出事件发现跟踪的结果。

哪一个比较好呢，似乎第一类，简单分类后，对于聚类和事件发现跟踪的影响小。
但是，新闻的特征向量如何选取呢，理论上分类和聚类的要求是相同的，但是肯定会有细微的差别，更何况聚类还需要考虑新闻的时间分布。

另外一个问题了，事件发现需要利用新闻事件的时间特性，但是，在比较长一段时间内，关于一系列事件的主题，如何挖掘呢，比如，矿难。——给每个新闻事件确定一个特征向量，然后对事件的特征向量进行聚类？

嗯，继续研究继续研究