SNS-based issue detection and related news summarization scheme

Abstract

Due to the unprecedented popularity of social network services (SNSs), such as Twitter and Facebook, means that a huge number of user documents are created and shared constantly via SNSs. Given the volume of user documents, browsing documents in a selective manner based on personal interests is a time-consuming and laborious task. Therefore, in the case of Twitter, trend keyword lists are provided for the user's convenience. However, it is still not easy to determine the details based on a few simple keywords. The keywords usually relate to the hot issues at any time so many documents will contain pertinent details, such as news on the Internet. Thus, to provide detailed information about an issue, it is necessary to identify relationships among them. In this study, we developed a SNS-based issue detection and related news summarization scheme. To evaluate the effectiveness of our scheme, we implemented a prototype system and performed various experiments. We present some of the results.

Web news mining in an evolving framework

“…Their system builds profiles of users's news interests based on their past click behavior. In [8] Kim et al propose a news summarization scheme based on social network services which generate detailed information about trending issues in an effective manner. Morales et al [48] propose a methodology for recommending interesting news to users by exploiting the information in their twitter persona.…”

“…During the last years, there have been many approaches related with classification, clustering, categorization and summarization of news articles [3,4,5,6,7,8]. If we consider those approaches which classify news into predefined categories, all of them use a statistic classifier over time.…”

Pembobotan Kalimat Berdasarkan Fitur Berita Dan Trending Issue Untuk Peringkasan Multi Dokumen Berita

“…Salah satu contohnya adalah MEAD yang menggunakan fitur berita untuk pembobotan kalimat, yaitu posisi kalimat, centroid, dan kemiripan kalimat terhadap kalimat pertama dari berita [2]. Walaupun fitur berita juga penting, namun hal ini kemungkinan besar dapat mengakibatkan ringkasan yang dihasilkan menjadi kurang koheren (keterpaduan informasi) khususnya jika diterapkan pada peringkasan multi berita, karena kalimat-kalimat yang menyusun ringkasan berasal dari beberapa berita yang dapat mengandung berbagai macam isu yang berbeda (multiple issue) [3].…”

“…Kedua penelitian tersebut adalah contoh penelitian tentang peringkasan dokumen secara generik yang hanya menggunakan fitur yang ada pada dokumen itu sendiri. Padahal pada dokumen berita, kemunculan lebih dari satu isu (multiple issue) pada topik yang sama dapat terjadi [3]. Sehingga ketika fitur yang digunakan untuk peringkasan dokumen hanya diambil dari berita maka kemungkinan besar akan mengakibatkan susunan ringkasan berita yang dihasilkan kurang koheren (keterpaduan makna) dikarenakan kalimat-kalimat yang menyusun ringkasan berasal dari berbagai macam isu.…”

“…Penelitian [9] mengelompokkan tweets berdasarkan kesamaan isi, kemudian menyeleksi satu kelompok tweets yang memiliki skor tertinggi untuk dijadikan sebagai Trending Topic. Sedangkan menurut [3], issue dapat diidentifikasi dari kata kunci yang muncul pada kelompok tweets. Sehingga berdasarkan definisi issue dan Trending Topic dari penelitian diatas, dapat disimpulkan bahwa Trending Issue adalah satu isu yang memiliki skor tertinggi dari issue yang ada.…”