Continuous Clustering for a Daily News Summarization System

Abstract

Für eine Maschine ist es schwer, ohne die Supervision eines menschlichen Expertens Text zu interpretieren. Techniken des Text Minings und Clustern als Ansatz von unsupervisierten Lernen, um Text aus Zeitungen in Kategorien und zu Ereignissen in der realenWelt zu gruppieren, ist im Mittelpunkt dieser Arbeit. Zusätzlich wurde ein funktionierendes Datenverarbeitungssystem, zum Herunterladen und Verarbeiten von Zeitungsartikeln, entwickelt, um Clustering Algorithmen eine Grundlage zu geben. Die präsentierten Selektionsstrategien und Clustering Algorithmen haben ähnliche Effekte auf die Resultate.

Interpreting and summarizing textual content without the supervision of human experts is an exploratory process involving NP-hard algorithms. Using techniques of text mining and document clustering as an approach of unsupervised machine learning, grouping textual content of online newspaper articles into coherent categories and real world events is subject of this thesis. Additionally, building a functioning data pipeline for scraping and preprocessing newspaper articles, feeding clustering algorithms, shows promising results. In short, the presented feature selection and clustering strategies yield similar effects.