随着信息传播手段的进步，尤其是互联网的出现，信息急剧膨胀。网络上的新闻报道是其中最主要的信息类型之一，也是人们最为关注的信息类型之一。这些新闻报道具有数量大、增长快、主题相关、时效性强、动态演化等特性，已成为信息获取的主要来源之一。当前我们采集的大量网页数据中，新闻网页占有很大的比例。在这种情况下，如何快捷、准确地从海量的新闻网页中获取感兴趣的信息便是我们关注的焦点。
目前在信息获取过程中，针对这种数据的处理是通过传统的关键词检索技术来完成的。由于网络信息量太大，与一个话题相关的信息往往孤立地分散在不同的时间段和地方，这种方法返回的信息冗余度过高，很多不相关的信息仅仅因为含有指定的关键词就被作为结果返回了。并且其中的相关信息并没有进行有效地组织，只是简单罗列，人们对某些新闻事件难以做到全面地把握，在人员和处理设备有限的情况下势必造成大量数据不能被完全处理。这样不仅浪费已采集的资源，而且一旦丢掉的数据中包含有重要价值的信息，就会造成无法弥补的损失。
话题检测与跟踪（Topic Detection and Tracking，TDT）技术正是在这种应用背景下产生的，它是一种检测新出现话题并追踪话题发展动态的信息智能获取技术。该技术能把分散的信息有效地汇集并组织起来，从整体上了解一个话题的全部细节以及该话题中事件之间的相关性。就具体的应用而言，该技术主要用于满足现实中的一些信息分析和组织需求，比如，对于金融市场分析人员，他需要关注任何可能给股市带来巨大波动的事件的发生和发展状况：对于国际关系或社会学的研究者，他有时需要通过某种技术能够将所有关于某一新闻事件的新闻报道自动地收集整理出来，以便进一步对该事件的前因后果进行深入的调查和研究，甚至需要对该事件的发展趋势做出预测；对于情报分析人员，他需要密切监视国内或国际上发生的重大事件等。(www.xing528.com)
该问题的研究在理论与实践上都具有非常重要的意义，其应用领域己经由信息检索、证券市场分析扩展到决策支持、信息安全等领域。将现有的理论成果向应用领域推广作为该研究领域的重要分支，成为未来的一个研究热点。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
