基于后綴樹算法的地區(qū)微博摘要技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩49頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在這個(gè)社交網(wǎng)絡(luò)工具發(fā)達(dá)、各取所需的時(shí)代,隨著大量組織機(jī)構(gòu)平臺(tái)微博的開通,官方微博開始進(jìn)入了人們的視野,官方微博是經(jīng)過(guò)官方認(rèn)證后的微博,即真實(shí)性已通過(guò)驗(yàn)證。其發(fā)布的博文信息不但具有權(quán)威性、組織性、真實(shí)性,而且還具有地區(qū)性。通過(guò)觀察官方微博數(shù)據(jù)發(fā)現(xiàn)其博文中包含了大量相關(guān)當(dāng)?shù)氐氖录畔?,聚合地區(qū)官方微博數(shù)據(jù)可以發(fā)掘當(dāng)?shù)氐闹匾录畔?,幫助用戶了解地區(qū)近況。因此,針對(duì)地區(qū)官方微博數(shù)據(jù)研究需求的呼吁聲越來(lái)越大。并且微博作為一種新型的社交媒體,任何

2、人都可以隨時(shí)隨地通過(guò)Web、手機(jī)網(wǎng)絡(luò)、API將自己所見所聞發(fā)送出去。與傳統(tǒng)媒體相比,微博的這種低門檻性、操作簡(jiǎn)單性決定了微博更可以占據(jù)信息發(fā)布的制高點(diǎn),也由此造成發(fā)布的微博數(shù)據(jù)量大,用戶想從數(shù)以萬(wàn)計(jì)的博文中獲取有價(jià)值的地區(qū)事件信息,逐條閱讀微博數(shù)據(jù)造成時(shí)間浪費(fèi),若針對(duì)官方微博中的地區(qū)微博進(jìn)行聚類然后形成事件摘要,將大大提高用戶獲取地區(qū)事件信息的效率,縮短用戶閱覽和理解博文信息的時(shí)間,并且地區(qū)官方微博數(shù)據(jù)很容易從新浪微博提供的應(yīng)用程序接口

3、(API)中爬取,因此對(duì)地區(qū)官方微博數(shù)據(jù)進(jìn)行自動(dòng)摘要技術(shù)研究具有重要意義。
  目前針對(duì)地區(qū)官方微博自動(dòng)摘要研究還很少,并且地區(qū)官方微博在形成摘要時(shí)存在著如下挑戰(zhàn):1)地名別稱及地區(qū)不同層級(jí)劃分;2)混雜了除本地區(qū)外的事件信息;3)地區(qū)標(biāo)簽屬性突顯等特征,因此本文針對(duì)以上挑戰(zhàn)問(wèn)題提出了基于后綴樹算法的地區(qū)微博摘要技術(shù)研究。首先,對(duì)地區(qū)官方微博數(shù)據(jù)進(jìn)行預(yù)處理將不是本地區(qū)事件信息的微博過(guò)濾掉以及利用地區(qū)權(quán)值樹和知網(wǎng)(HowNet)對(duì)地

4、區(qū)微博數(shù)據(jù)進(jìn)行地區(qū)別稱、語(yǔ)義相似度替換,將意思同樣的詞匯進(jìn)行統(tǒng)一,為更好的完成事件聚類;其次,利用后綴樹聚類算法(Suffix Tree Clustering,STC)和奇異值分解(Singular Value Decomposition,SVD)對(duì)地區(qū)微博進(jìn)行事件聚類;然后,結(jié)合地區(qū)微博的特征對(duì)其聚類后的微博句子進(jìn)行綜合打分,選取權(quán)值高有代表性的句子生成摘要;最后,以人工提取的地區(qū)事件摘要為測(cè)評(píng)標(biāo)準(zhǔn),測(cè)評(píng)本文方法和已有的自動(dòng)摘要方法對(duì)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論