《表2 数据集：基于Biterm主题模型的新闻线索生成方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Biterm主题模型的新闻线索生成方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为测试本文方法的有效性及效率，以Pycharm作为开发工具，Python3.7作为编程语言，分别爬取人民网和新浪微博的真实新闻数据进行方法测试。以Python3的bs4和requests库函数为主，爬取人民网（1）2019年11月至2020年3月的新闻数据，包括新闻发布时间和新闻内容两个部分，共8 772条数据。使用Jieba分词对新闻内容进行分词，将分词结果以及新闻发布时间作为测试数据。另外，以Python3的lxml、requests和tqdm库函数为主，爬取新浪微博（2）央视新闻官方微博在2017年8月至2020年5月发布的新闻数据，主要包括新闻发布时间、新闻内容、新闻所属主题三个部分，共32 502条。同样使用Jieba分词对新闻内容进行分词，将分词结果以及新闻发布时间作为测试数据，新闻所属主题作为生成新闻线索准确率的评判标准。实验以人民网新闻作为长文本代表，微博新闻作为短文本的代表，数据集描述信息如表2所示。