【核心提示】对教育管理和研究者来说，如何有效利用互联网的海量信息，通过计算机技术手段对信息进行加工整理，为教育主管部门提供参考信息和决策依据，是一个值得研究的课题。

　　教育领域中的热点问题一直是各大网站的热门话题。对教育管理和研究者来说，如何有效利用互联网的海量信息，通过计算机技术手段对信息进行加工整理，为教育主管部门提供参考信息和决策依据，是一个值得研究的课题。

　　话题发现技术：国内研究待深化

　　目前，搜索引擎技术能解决海量信息检索的难题，但并不能将有效信息聚类形成话题返回给用户。话题发现技术能自动将分散的网络信息高效地搜集起来，并加以整理和分析，从而帮助相关人员及时了解一个话题的全部细节及发展脉络。

　　话题发现技术来自话题发现与跟踪（Topic Detection and Tracking，TDT）技术。TDT的基本思想由美国国防高级研究计划委员会和国家标准技术局于1996年提出，当时的主要目的是为了帮助人们解决信息爆炸的难题。TDT的研究对象是新闻语音信息流，如：新闻专线、广播、电视等媒体。其主要任务是将这些信息流分割为不同的新闻报道，同时监测新话题的首篇报道、自动整理和组织与某个话题相关的所有报道。TDT的研究目标是自动发现话题，并线索化与该话题相关的各种新闻语音信息流。

　　对于TDT技术的研究，国内起步较晚，处理对象通常为文本信息流，没有报道切分任务。而话题发现技术研究则呈现出三个特点：一是研究仍处于实验评测阶段，未实用化；二是其研究对象是所有领域，没有专门应用于教育领域；三是语料规模小。针对这些特点，我们认为，应在三方面做出改进：第一，强调语言学理论知识和话题发现技术的结合，将该研究实用化；第二，针对教育领域新闻文本的特点，采取相应策略改进话题发现方法；第三，基于大规模语料，提出计算热点话题的方法。

　　发现并量化教育热点话题

　　教育话题发现是教育热点话题发现的前提，只有识别出教育领域的话题，才能对这些话题排序，检测出热点话题。这是一个通过计算报道与报道、报道与话题间的相似度，依据相似度的阈值，不断更新老话题或建立新话题的过程。

　　我们可以采用语言学与统计学相结合的方法，对报道和话题进行初次特征筛选；再采用信息增益原则对筛选结果进行二次筛选，即将对话题和文本领域指向性弱的、没有实在意义和对反映文本构成重要程度小的词语去除。

　　发现话题后，如何量化热点话题？一个话题是否为热点主要由如下三个因素决定：话题报道数量、报道时长、报道广度。所以，话题热度的计算方法应该是，在某段时间内，某话题报道的出现频率、话题被报道的时间频率和话题被媒体转载的频率对数之积再求和。

　　总的来说，TDT国际评测正在促使话题发现技术研究日臻完善，但我们认为，今后还有许多可拓展的地方。比如，可采用多文档自动文摘技术描述热点话题。目前我们的研究只采用关键词和命名实体描述热点话题的框架结构，而没有形成一个话题的摘要，今后的研究重点将采用多文档自动文摘技术处理各热点话题，形成分析报告。

　　通过计算机自动发现的热点话题更客观公正，最大限度地减少了人工干预。同时，热点话题发现技术拓展性强，具有重大的实用价值。因此，今后可根据其他领域文本的特征，将该技术移植于其他领域。话题的自动发现与跟踪技术，无论是在政治经济、军事国防还是在社会文化等方面，都具有深远意义和研究价值。

　　（作者分别系教育部语言文字应用研究所副所长；中国社会科学院语言文字应用系研究生）