從新聞和部落格尋找熱門事件

從新聞和部落格尋找熱門事件

陳建成 盧文祥 國立成功大學資訊工程研究所

p7694427@nckualumni.org.tw, whlu@mail.ncku.edu.tw

摘要

新聞是生活中不可或缺的知識與 資訊來源，電子化和網路化使得新聞 資訊量的暴增， 在如 此大量的資訊 中，使用者無法迅速搜尋想要獲取的 新聞。另外，我們認為傳統的新聞檢 索系統僅利用時間性與相關性的技術 不能完全滿足使用者需求，因此我們 想要提供使用者更有效的搜尋機制，

以幫助使用者更方便找到所想要的資 訊。我們觀察到部落格資訊可以彌補 新聞資訊的不足。於是，我們提出一 個新的 HOT Event Extraction 機制，

利用新聞與部落格這兩大資訊來源，

讓使用者可以在 Web 上有效地檢索熱 門事件。

1. 導論

在Web上有非常大量新聞與部落 格的資訊，如此大量的資訊常會讓使 用者無法迅速找到他所想要尋找的資 訊，另外我們觀察到新聞與部落格的 一些差異性，有些在部落格很熱門的 資訊，新聞上卻只有 一點點資訊存 在，像是轟動一時的”巴士大叔”就 是從部落格先興盛起來的，某些Query 在新聞找不到資訊，而部落格卻有和 Query相關的訊息，像是”彎彎”等，

因此在本論文中我們提出方法利用部 落格的資訊來彌補新聞資訊的不足。

另外部落格與新聞的觀點也常常不一 樣，像是單單一個”林義傑橫越撒哈 拉沙漠”這個事件主題，新聞通常會 夾雜 一些政治人物的 看法 ，例如 像 是”蘇貞昌說…”，而部落格中通常 會是發布者的觀點，因此一些常用詞 的分析就會有差異，我們可以利用部 落格和新聞在相同事件的不同觀點，

來找到一些可能是熱門的事件。因此 我們想藉由新聞與部落格這兩個網路 資訊來源，並利用其資訊內容不同的 觀點彼此互補，來找到熱門事件，讓 使用者可以很快速從新聞和部落格找 到他們所想要的資訊。

本研究主要的目標在於找出熱門 事件，而我們簡單地定義熱門事件為 很多人想要知道的事件，我們利用有 別於 TFIDF 的 Bursty 方法，利用資訊 量 與 時 間 持 續 性 的 關 係 來 找 出 Terms(關鍵詞)的 Bursty，而且我們進 一步利用部落格每篇文章的的瀏覽訊 息，來幫助找到含有 Popularity 性質 的 Terms，除此之外我們另外使用時間 標記來得到 Terms 的 Novelty 程度，

藉由這三項因素來計算 Terms 的 HOT Score，利用這些 Terms 的 HOT Score，

我們可以藉此計算出每個 Event 的熱 門程度，當這些 Events 包含越多這樣 的 terms 或者這些 Terms 的 HOT Score 高，我們認為這 Event 很有可能是熱 門的事件，而這些事件會是人們所想 知曉的。

2. 相關研究

2.1 TDT (Topic Detection and Tracking)

TDT (Topic Detection and Tracking)就是一種針對整串資訊流 的分析，可以偵測和追蹤Topic的流 動。 Yang et al. (2002) 提出 達成 First Story Detection (FSD)任務的 方法，也就是找出新發生的事件。(1) 利用Supervised Learning Algorithm 將文件先做Topic的分類，將文件分成 他們所屬於的類別。(2)找出文件的 Name Entities ， 他 們 使 用 BBN's Hidden Markov Model Software 這個 工 具 擷 取 出 文 件 中 7種 形 式 的 Named Entities ， 其 中 包 含 了 Person, Organization, Location, Date, Time, Money 和 Percent這七種。(3)最後再 利用文件的 Term和 Name Entities 以 TDIDF 的 權 重 重 新 表 示 文 章 當 成 Feature Vector，並用此偵測出新發 生的事件。我們考慮他們提出的Name Entity的方法，因為當有大量文件，

且文件內容雜亂，Name Entity當做重 要的Term，會是一大幫助，不過本研 究所尋找的HOT Event與他們所要的 FSD有所不同，本研究偏重在更大範圍 的資訊結果，找出和某一Name Entity 相關的熱門新聞。

2.2 News System

Gabrilovich et al. (2004) 建 立Newsjunkie 系統，這個系統主要是 提供使用者個人化的 新聞並且找出 Novelty的事件。Newsjunkie這個系統 利用Topic Words和Name Entities來

表示新聞，且利用這兩個性質來找出 新的新聞。這是一個以新聞為主的搜 尋系統，與本研究的系統很相似，他 們也採用Name Entity的方式幫助使用 者找到最新資訊，除了都使用Novelty 外，另外我們提出兩個不同的熱門指 標Bursty和Popularity。

Del Corso et al. (2005) 利用 兩 種 關 係 屬 性 建 立 出 News Graph ， (1)News Source和News Article間的 關係，也就是News Source發佈News Article 。 (2)News Article 和 News Article間的關係，也就是報導相同新 聞事件的關係。為了利用這兩種關係 建立一個Graph，他們提出Time-Aware Ranking Algorithms ， 類 似 HITS Algorithms (Kleinberg 1998) ，另 外還考慮時間的因素，將News Article 排 序 ， 給 予 使 用 者 最 重 要 的 News Article。這篇論文提出有別於傳統找 出最新新聞事件的新方法，他們主要 是想找出最重要的新聞，方法是利用 新聞來源與新聞文章的關係，與本研 究最大的相關性在於他們是由新聞來 源與新聞文章所推薦 出來的重要新 聞，而本研究則是由部落格與新聞文 章利用HOT Event Extraction所選出 的結果。

2.3 Weblog System

Mei et al. (2006) 提出一個可 以 同 時 找 到 Subtopic Themes 和 Spatiotemporal Theme Patterns的機 率模型，並分析這些Patterns在數個 領域的應用。他們採取三個步驟找到 那些與時間相關的Theme Patterns (1) 從Weblog擷取Common Themes；(2) 對 每一位置產生Theme Life Cycles；(3)

對每一時段產生 Theme Snap-Shots。

他們並且說明他們所找出來的Theme Patterns 可 以 運 用 於 四 個 方 面 (1) Search Result Summarization (2) Public Opinion Monitoring (3) Web Analysis (4) Business Intelligence。

這篇論文主要是針對部落格的研究，

與本篇研究最相關的部份在於他們從 部落格中所擷取出來的Themes，另外 他們提出了四項應用，是否我們的HOT Event Extraction方法也能在此四項 應用上有所幫助。

3. 方法 3.1 系統架構

我們想要建立一個尋找 HOT Event 的新聞搜尋系統，利用部落格與新聞 這兩大資訊來源，幫助使用者更容易 更方便查詢到與 Query 相關的熱門資 訊。

圖 1 為我們的系統架構圖，主要 分成三大部分。第一部分為 Finding High Frequency Relevant Terms，這 個部分的工作主要從新聞和部落格文 件中尋找出與 Query 相關的 Terms。第 二 部 分 Finding Term’s Novelty ， Bursty，and Popularity，這部分主 要在尋找出與 Query 相關的 Terms 的 Novelty， Bursty ，和 Popularity。

第三部分為 Extracting HOT Events，

主 要 是 利 用 Terms 的 Novelty ， Bursty，和 Popularity 來找出 HOT Events。

3.2 HOT Event

我們定義 HOT Event 由 Novelty、

Bursty 和 Popularity 這三個要素所構 成。

圖 1 系統架構圖

一般來講 Novelty 代表著較新穎 的事物，人們總是對新的東西感到好 奇，對新發生的事想要去一探究竟，

於是人們會開始去追尋對這些新的事 物 的 認 知 與 了 解 ， 所 以 我 們 認 為 Novelty 是 HOT Event 中不可或缺的重 要特性。

而 Bursty 也就是忽然間媒體所爭 相報導的事物，這種現象主要在於這 些事情可能很重要，且大眾似乎也很 想要知道這樣的訊息，於是媒體會開 始大量的報導，這樣的 HOT Event 就 是由媒體所帶動出來的一種熱門。

最後 Popularity，在 Web2.0 的時 代，User 參與度和資訊分享概念，帶 動著 Blog 的大量興起，User 可以自由 自在編輯自己的 Blog，在 Blog 發表屬 於自己的文章，而這些文章可以表現 出使用者的想法。於是我們利用 Blog 的討論程度所形成的 Popularity，替 HOT Event 加入新的要素，這個要素的

Extracting HOT Events

News Blog Finding High Frequency

Relevant Terms Query

Finding Term’s Novelty, Bursty, and Popularity

最大特色是考慮使用者的參與度。

因此，我們運用這三個要素來定 義 HOT Event，也就是新穎性、流行性 和重要性，預期這三個要素能有效的 定義 HOT Event，而且我們提出的 HOT Event Extraction 機制能達到大部分 的使用者需求。

3.3 尋找相關的 Terms

為了擷取新聞和部落格中的 Name Entity，我們使用 CKIP POS Tagger(中 央研究院詞庫小組的中文斷詞詞類標 記系統)，我們取詞類標記為 Na、Nb、

Nc 這三類的 Term，其中 Na 為一般名 詞、Nb 為專有名詞、Nc 為地方名詞，

我們以這三類帶有語意型態的名詞，

當成是和 Query 相關的 Terms。

首先我們找出 Query 相關的新聞 和部落格文件，在此我們將新聞和部 落格的文件分開來處理。將這些文件 送入 CKIP POS Tagger，我們找出相關 的一般名詞、專有名詞和地方名詞，

例如 Query“林義傑”我們可以從相 關新聞找到一般名詞“馬拉松”、專 有名詞“ 查理 、 雷伊 ”和 地方名詞

“撒哈拉沙漠”。我們認為大部分的 名詞能貼近使用者所想要的資訊，且 CKIP POS Tagger 所得到這三類的名詞 的詞類標記可以給定簡單的人地物的 語意類別，如此能提升 Term 的品質，

不選擇動詞的 Term 在於文章中有太多 的動詞屬於 Common Terms 會產生雜 訊。

根據上述程序，我們得到新聞的 相關 Terms 和部落格的相關 Terms，然 後統計出三類名詞出現的頻率，我們 取出較高頻的詞，這些高頻的詞我們 定義為和 Query 相關的 Terms，因為高

頻的 Terms 代表常和 Query 同時出現 在同一篇文章，也就是表示這些 Terms 與 Query 的相依性高，因而我們認定 這些 Terms 為相關。對每個名詞詞類 的 Term 我們取其頻率前 20 名的 Terms 當作是有代表性的相關 Terms。於是我 們可以得到與新聞相關的前 20 名的高 頻 Terms 和與部落格相關的前 20 名的 高頻 Terms。

3.4 擷取 HOT Events

首 先 我 們 先 將 每 個 時 間 區 段 與 Query 相關的 News 文件斷成一句一 句， 然後我們以三個 句子合成一個 Passage，這些 Passages 就是我們之 後運算的基本單位。三個句子所形成 Passage 的例子如“林義傑在去年十 一月二日起與查理、雷伊並肩橫越撒 哈拉沙漠 - 從最西緣的塞內加爾東 行 - 經茅利塔尼亞、馬利、尼日、利 比亞”。

再來便是計算這些 Passages 的 HOT Score，而這部分主要由 Novelty、

Bursty 和 Popularity 這三個特性來計 算出，我們計算出 Query 相關 Terms 的 Novelty 值 、 Bursty 值 和 Popularity 值，再由這三個特性結合 得到 HOT Score，然後將 Passages 中 所有相關 Term 的 HOT Score 累加，以 得到 Passages 的 HOT Score，利用這 些 Passages 的 HOT Score 我們可以將 時間區段內的 Passages 做排序，再然 後找出 HOT Score 最大的 Passages 當 成 HOT Events。

接下來，我們依序介紹 Novelty、

Bursty 和 Popularity 的計算方式，以 及一些其他部分的細節。

3.4.1 Novelty

Novelty 主要在模擬事物的新穎 度，我們利用 Equiangular Spiral¹的 半徑長來模擬 Novelty 的值，

 cotB 

exp 



_i

i

A

n 

(1)

式子(1)中，n 代表_i

i Term

^th 未經 過 Normalization 的 Novelty 值，

A

是 用來控制n 的長度差，_i



_i是

i Term

^th 與 基準日相差的天數，

cotB

是來控制每 隔 360 天n 相差的倍數。其中我們把 1_i 天當成 1 度來看待，每隔 360 天其半 徑會相差一倍。我們有人工設定 A=1、

B=7π/16，為了不讓每天的 Novelty 的差異度太大，如此每隔 360 天n 會_i 相差 3.4 倍。我們以 2007 年 1 月 1 日 定義為基準日(Initial Time)，θⁱ就 代表與基準日相差的天數。當越接近 最近發生或剛發的事，其θⁱ值就會較 大，使得n 也會比較大，而其 Novelty_i 值就會相對的比較高，細部如圖 2 所 示 。 最 後 我 們 把 所 有 的 值 做 Normalization，主要是方便與之後的 Bursty 的 Popularity 的整合計算。

式 子 (2) N_i 代 表 經 過 Normalization 後，

i Term

^th 的 Novelty 值。







} {n n

k i i

k

n

N n

₍₂₎

1http://www-history.mcs.st-andrews.ac.uk/histor y/Curves/Equiangular.html

圖 2 i^th Term 的 Novelty 計算

3.4.2 Bursty

Bursty 主要在模擬媒體報導量的 Burst，我們找出每個 Burst 的持續時 間和報導的最大量，時間的持續性代 表著這個話題是否使用者需要持續性 的了解，而最大量可以代表著很多使 用者當時可能都很想知道這些話題，

因而，我們可有這兩個變數得到相關 Terms 的 Bursty。最後我們把所有的 Bursty 值 Normalization，以方便之 後的運算。









} {Peak Peak

ij ij i

j

H D

b

₍₃₎

式子(3)中，b 為_i

i Term

^th 未經過 Normalization 的 Bursty 值，

D

_ij為

i Term

th 在

Peak

_j的 Duration，也就是

Peak

的持續時間，

H

_ij為

i

^th

Term

在

Peak

j的 Height，也就是

Peak

的最高 點。

式子(4)為 Normalization 的式 子，將 Bursty 做 Normalization，B 為_i

i

th的

Term

的 Bursty 值。







} {b b

k i i

k

b

B b

₍₄₎

θi

Query time

time Time Termifound

Initial time

圖 3 i^thTerm 的 Bursty 計算

3.4.3 Popularity

Popularity 主要在模擬使用者對 這些事件的關注程度，我們認為越多 人瀏覽的東西可以代表著更多人想知 道的事物，因此，我們利用使用者所 發表的 Blog 文章並紀錄 Crawler 抓取 這 些 文 章 時 的 瀏 覽 度 來 定 義 這 個 Popularity 值，我們將一段時間內關 於某個話題的瀏覽度全部加起來。

i

i

L

p 

(5)

式子(5)， p 代表_i

i Term

^th 未經過 Normalization 的 Popularity，L 為_i Query 與

i Term

^th 在 Blog 中被瀏覽的次 數 。 最 後 ， 我 們 利 用 式 子 (6) 做 Normalization，其中P 代表_i

i

^th

Term

的 Popularity 值。







} { p p

k i i

k

p

P p

₍₆₎

3.4.4 利 用 Novelty 、 Bursty 和 Popularity 計算出 HOT Score

我們定義 HOT Score 由 Novelty、

Bursty 和 Popularity 的結合，如式子 (7)所表示

i i i

i

aN bB cP

HOT   

(7)

式 子 (7) 中 ， 我 們 利 用 參 數 a=0.336 、 b=0.34 、 c=0.324 將 式 子 (2)(4)(6) 線 性 結 合 得 道 HOT ， 而_i HOT 代表i

i Term

^th 的 HOT Score。式子 (8) 中 ， P 就 是_e

e

^th

Passage

中 的 Terms，

Pe

HS

代表著

e Passage

^th 的 HOT Score，我將

e Passage

^th 中所包含 Term 的 HOT Score ， 加 權 起 來 成 為

e Passage

th 的 HOT Score。







e i e

P Term

i

P

HOT

HS

₍₈₎

4. 實驗結果

4.1 資料收集

我 們 利 用 一 個 自 行 設 計 的 Crawler 收 集 五 個 月 (2007/01/01 ~ 2007/05/31) 的新聞和部落格資料，

每天大概有 1000 則的新聞文章和 5000 篇部落格文章，其中新聞來源是從 Yam 天空(http://www.yam.com)所取得，

主要是抓取 Yam 天空每天所發佈整理 的新聞，其中包含中廣新聞網、聯合 新聞網、中央社 、路透社、中央商情 網、中時電子報、法新社、鉅亨網、

TVBS 與大台灣旅遊網這些媒體。部落 格，主要來源從 Yam 天空部落、Yahoo 部落格與 UDN 網路城邦。

實驗的 Query 為人工挑選的，目 前只用了 10 個 Query 做一些實驗測 試，Query 為林義傑、黃海岱、黃富生、

馬兆駿、陳綺貞、海珊、明華園、艾 迪墨菲、葛萊美獎和比爾蓋茲。

4.2 實驗設計

我們將每一則找出來的 Event 評

Query time

time Dij

Hij

Number

估其熱門程度(HOT Level)，評估方式 為人工標定，分成五個等級的評估，

將熱門程度從 1 分到 5 分，5 分代表最 熱門，1 分代表最冷門。

4.3 熱門事件因素分析

這部分的實驗主要在測試三種因 素 Novelty(N) 、 Bursty(B) 與 Popularity(P)的各自影響力，我們利 用這三個因素的所有組合，找出各個 因素組合的 TOP10 HOT Events 的總合 HOT Score，其結果如同表 1 所示。

表 1 使用不同要素組合的 HOT Score Feature TOP10 HOT

Events HOT Score

Novelty(N) 36.2 Bursty(B) 36.7 Popularity(P) 34.9 Novelty + Bursty

(N+B)

36.1

Novelty +

Popularity (N+P)

35.7

Bursty + Popularity (B+P)

36.6

Novelty + Bursty + Popularity (N+B+P)

37.3

由圖 4 看出，使用 N+B+P 三個要 素的結果會是最好的，若是使用兩個 要素 B+P 得到最佳的結果，若是只考 慮一項單獨要素，以 Bursty 的結果較 好。我們由此可知，實際上 Bursty 的 效用最大，單用 Popularity 並沒有我 們預期的效果出現，但是 Popularity 與 Bursty 的結果有加分的效果。而新 聞的 Novelty 與 Bursty 再加上了部落

格的 Popularity 後，其結果會比單單 只用新聞 Novelty 與 Bursty 的結果 好。

圖 4 Novelty(N) 、 Bursty(B) 、 Popularity(P)不同組合的 HOT Score 比較

4.4 與其他方法效能比較

這一部分的實驗，我們利用 TF、

TFIDF 與 Ordering by Time (OBT) 的 方 法 當 作 Baseline 來 與 我 們 HOT Event Extraction (HEE) 方 法 做 比 較，主要想檢視 HOT Event Extraction 的效能，表 2 為我們測試四個方法在 不同個數的 HOT Event 的 HOT Score 的結果。

我們由圖 5 可看 出 HOT Event Extraction (HEE)與 TF 所表現的的結 果相近，我們認為結果相近的原因在 於 HOT Event Extraction 也有使用到 TF 的 因 素 ， 而 利 用 HOT Event Extraction 會比 TF 的結果稍微好一 些，TFIDF 效果其次，而利用 OBT 的方 法其結果普遍比較差，因為比較熱門 的事件不一定會是最新的消息，這部 份也驗證了只使用 Novelty 的誤差會 比較高的結果。

33.5 34 34.5 35 35.5 36 36.5 37 37.5

TOP10

N+B+P N B P N+B N+P B+P HOT Score

表 2 HOT Event Extraction(HEE)與 Baseline 方法的 HOT Score 比較

TOP N HOT Events HOT Score Method

N=10 N=20 N=30 N=50 N=100 HEE 37.3 69.1 99.8 156 306.9 TF 35.9 67.4 96.9 154.7 314.5 TFIDF 34.1 65.1 94.9 151.2 307.3 OBT 29.6 58.9 87.8 142.4 287.9

圖 5 HOT Event Extraction (HEE) 方法與其他 Baseline 方法比較

5. 結論

我 們 建 立 一 個 HOT Event Extraction 的搜尋系統，利用這個系 統可以幫助始用者快速獲取資訊。系 統結合了新聞與部落格這兩大資訊來 源，利用這來兩大資訊來源以及 HOT Event Extraction 的方法，提供使用 者檢索的功能，讓使用者可以更有效 率地找到其所想要的相關資訊。

我們利用實驗驗證了，使用時間 區段可以產生正面的效果，會使事件 比較集中，因此我們的系統能夠將熱 門時間區段的熱門事 件傳 送給使用 者 。 另 外 ， 我 們 驗 證 了 HOT Event Extraction 對於整個搜尋結果會有少 量的改善，這部份會比單純只用時間

來排序或是 TFIDF 來的好。但是我們 相信如果能再利用一些其他的因素和 方法來改善 HOT Event Extraction 的 效能，我們相信 HOT Event Extraction 會有更好的貢獻。

從實驗結果我們也發現利用三種 特性 Novelty、Bursty 和 Popularity 的 HOT Event Extraction 會比 TF 的 效果好一點，當 Term Frequency 一樣 的時候，我們 HEE 方法可以用 Novelty 或 Popularity 找 出 較 有 效 的 HOT Terms 。 另 外 ， 如 何 讓 HOT Event Extraction 更顯出它的效果來，將會 是我們所需要改進的主要方向。

我們認為 HOT Event Extraction 可以應用在其他方面，像是 Search Result 的重新排序，熱門事件的推薦 系統，或是一些不同事件的評比，和 一 些 部 落 格 的 搜 尋 等 ， HOT Event Extraction 可幫助找到一些熱門的事 件，尤其是在那麼龐大與雜亂的部落 格資訊中，可藉此過濾掉一些不必要 的資訊。

最 後 我 們 討 論 到 使 用 者 對 HOT Event 認知上的差異，這部份的差異並 非我們用一個簡單的機制所能去模擬 的。但認知上的差異，仍是一個值得 我去探討的問題，也是一個非常有趣 的工作方向。

6. 未來工作

目前我們系統所使用的部落格與 新聞資訊來源並不夠完整，基於版權 問題與對這些來源網站的 Request 次 數限制，我們只能抓取到其中的一部 分資訊，尤其是在部落格這個部分，

由於部落格的資訊量實在是太大了，

0 50 100 150 200 250 300 350

10 20 30 50 100

TOP N term

HEE TF TFIDF OBT HOT Score

我們必須有更強大的 Crawler 來抓取 這些資訊。另外就是部落格文章的品 質過濾，這部分再將來也會是一個有 趣的方向，因為資訊量大，相對的雜 訊也會變大，如何從那麼大量的的文 章中，擷取出有效的資訊，會是一個 仍待解決的重要問題。

Name Entity Identification 這 部 份 會 影 響 整 個 HOT Event Extraction 結果，有效的 Name Entity Identification 工具會幫助我們有效 地找出和 Query 相關的 HOT Terms，對 於 HOT Event Extraction 有正面的影 響，或許我們還可以利用這些 Name Entity 所建立的社群關係，幫助資訊 的找尋。

未來我們也將考慮加入使用者的 Click Stream，因為 Click Stream 能 模擬出使用者的意圖，這部分也許可 以帶給使用者更完善的搜尋結果與熱 門推薦，也可運用在個人化的資訊整 理。在未來等系統上線後，我們將可 得到這些使用者的 Click Stream 資 訊，之後我們將把這些資訊引用到我 們 HOT Event Extraction 的方法中，

預期這將會能使整個系統的效能有所 提升。

最後，我們相信新聞與部落格是 無國界的，中文資訊只是 Web 上的一 小角，使用者所想要的國際資訊有時 候只能在國外的新聞 或部落格中找 到，而且國內外的部落格資訊也會有 互相流通影響的情況。此時跨語言的 新聞檢索系統將是無法避免的，我們 必須要能分析到其他語言的資訊，而 這也會是未來發展的趨勢與方向，這 時候整合國內外的新聞與部落格資源 將會是未來發展的重要議題。

7. 參考文獻

M. Atallah and R. Gwadera.

Detection of significant sets of episodes in event sequences. In Proceedings of the International Data Mining Conference, pages 3–10, 2004.

S. Boykin and A. Merlino. Machine learning of event segmentation for news on demand. Commun. ACM, 43(2):35-41, 2000.

C. H. Brooks and N. Montanez.

Improved Annotation of the Blogosphere via Autotagging and Hierarchical Clustering. In Proceedings of the 15th International WWW Conference, pages 625–631, 2006.

S. Chung and D. McLeod. Dynamic topic mining from news stream data.

In Proceedings of International Conference on Ontologies, Databases and Applications of Semantics, pages 653–670, 2003.

K. Collins-Thompson, P. Ogilvie, Y.

Zhang, and J. Callan. Information filtering, novelty detection, and named-page finding. In Proceedings of the 11th Text Retrieval Conference. National Institute of Standards and Technology, 2002.

A. Das, M. Datar, A. Garg. Google News Personalization: Scalable Online Collaborative Filtering. In Proceedings of the 16th International WWW Conference, pages 271–280, 2007.

G. M. Del Corso, A. Gullf and F.

Romani. Ranking a Stream of News.

In Proceedings of the 14th International WWW Conference,

pages 97–106, 2005.

E. Gabrilovich, S. Dumais, and E.

Horvitz. Newsjunkie: Providing personalized newsfeeds via analysis of information novelty.

In Proceedings of the 13th International WWW Conference, pages 482–490, 2004.

N. Glance, M. Hurst, and T.

Tornkiyo. Blogpulse: Automated trend discovery for weblogs. In WWW 2004 Workshop on the Weblogging Ecosystem: Aggregation, Analysis and Dynamics, 2004.

M. Henzinger, B. Chang, B. Milch, and S. Brin. Query-free news search.

In Proceedings of the 12th International WWW Conference, pages 1–10, 2003.

J. Kleinberg. Authoritative Sources in a Hyperlinked Environment, Proceedings of the 9th ACM-SIAM Symposium on Discrete Algorithms, 46(5), 604-632, 1998.

J. Kleinberg. Bursty and hierarchical structure in streams.

In Proceedings of the 8th International Conference on Knowledge Discovery and Data Mining, 2002.

R. Kumar, J. Novak, P. Raghavan, and A. Tomkins. On the bursty evolution of blogspace. In Proceedings of the 12th International Conference on World Wide Web, pages 568{576, 2003.

G. Kumaran and J. Allan. Text classification and named entities for new event detection. In Proc.

of the SIGIR Conference on Research and Development in Information Retrieval, 2004.

Z. Li, B. Wang, M. Li, and W.-Y. Ma.

A probabilistic model for retrospective news event detection.

In Proceedings of SIGIR '05, pages 106-113, 2005.

Q. Mei, C. Liu and H. Su. A probabilistic approach to spatiotemporal theme pattern mining on weblogs. In Proceedings of the 15th International WWW Conference, pages 533–542, 2006.

Q. Mei, X. Ling, M. Wondra, H. Su and C.X. Zhai. Topic Sentiment Mixture: Modeling Facets and Opinions in Weblogs. In Proceedings of the 16th International WWW Conference, pages 171–180, 2007.

Q. Mei and C. Zhai. Discovering evolutionary theme patterns from text: an exploration of temporal text mining. In Proceedings of KDD '05, pages 198{207, 2005.

J. Perkio, W. Buntine, and S.

Perttu. Exploring independent trends in a topic-based search engine. In Proceedings of WI'04, pages 664{668, 2004.

R. Swan and D. Jensen. Timemines:

Constructing timelines with statistical models of word usage.

In Proceedings of the ACM SIGKDD 2000 Workshop on Text Mining, pages 73–80, 2000.

Y. Yang, J. Zhang, J. Carbonell, and C. Jin. Topic-conditioned novelty detection. In Proceedings of the International Conference on Knowledge Discovery and Data Mining, pages 688–693, 2002.