关于构建新闻关键词知识库的一点想法

昨天和周师兄等人一起聊了些本体和语义的话题。结合着我们目前在做的项目，考虑了一下构建新闻知识库的可行性，——从工程实现的角度。
首先说一下在新闻领域新闻关键词具有的一些特征：
第一：新闻的思路是比较清晰的，——我个人觉得，用特征值来描述比较恰当一点。一则新闻，可以分解为5W，什么人，什么时候，在什么地方，做了什么事，为了这么做 AND/OR 这样作会有什么影响。——如果能分析出相应的特征值，对比提取关键词算法会有更好的预期效果。
第二：新闻的频道相关性是很强的，这种相关性主要表现在两个方面，一方面，同一个关键词在不同的新闻领域有不同的意义；另一方面，不同的新闻频道关注的侧重点是不一致的。
第三：新闻存在一个热点问题，而且热点伴随着一个从发生，到引起广泛关注，最终到消失，或者休眠，在一定的条件下又有可能重新被激活为广泛关注。这之间伴随着概念，概念关系的产生与消失，可能再度被使用。

目前假设有各个频道关键词——在一个时间段内——的频度数据，理论上来说，根据新闻共现性可以统计出一个N＊N的矩阵，来描述关键词之间的关系强度。利用这些关键词关系强度数据，结合TF－IDF可以让相关性较强的候选关键词浮上来，相对的抑制干扰关键词。

这之间面临的问题主要有以下3个;
第一：历史的统计结果如何应对上文中提到的热点问题；
第二：如何解决数据剧增带来的效率问题；
第三：——这一点和项目相关，目前的绝大部分数据源都是关于搜狐的，而需要处理的是新浪新闻，这两者之间如何切实有效的关联起来。