第一故事检测（FSD）的目的是识别以前未报告的新兴事件的第一故事，这对于新闻分析，情报收集和国家安全中的实际应用至关重要。 与信息检索，文本聚类，文本分类和其他基于主题的任务相比，FSD是基于事件的，因此面临着同一主题上的多个事件和事件演变的挑战性问题。 为了解决这些挑战，已经为FSD提出了几种利用时间信息，命名实体和主题建模的方案。 在本文中，我们提出了一个称为LGT的新术语加权方案，该方案共同为每个故事的Local元素，Global元素和Topical关联建模。 然后设计了基于LGT的无监督
