微博熱點話題發(fā)現(xiàn)方法研究.pdf_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、微博自誕生以來就以其廣泛的參與性,改變了人們獲取新聞的方式,近年來許多的熱點新聞都是通過微博首先發(fā)布的,因此對微博進(jìn)行熱點話題挖掘具有重要的現(xiàn)實意義。但微博信息量大、信息分散等特點使得傳統(tǒng)文本處理的方法已不能適應(yīng)于微博信息的處理,如何快速、準(zhǔn)確地發(fā)現(xiàn)微博熱點話題是本文研究的內(nèi)容。
  本文在分析微博信息特點的基礎(chǔ)上,使用文本聚類方法提出了一種發(fā)現(xiàn)微博熱點話題的方法,取得的成果如下:
  (1)提出了一種微博預(yù)處理的方法。根據(jù)

2、微博內(nèi)容上的不同分為原發(fā)、轉(zhuǎn)發(fā)和評論微博,將轉(zhuǎn)發(fā)和評論微博合并到原發(fā)微博中。微博與其它文本不同的一個特點是存在大量的轉(zhuǎn)發(fā)與評論,它們都是源自原發(fā)微博,因此將轉(zhuǎn)發(fā)和評論微博合并到原發(fā)微博可以在不影響熱點話題發(fā)現(xiàn)結(jié)果的基礎(chǔ)上減小微博文本表示的規(guī)模;此外,微博熱點話題的形成主要是由于用戶對該話題進(jìn)行大量的轉(zhuǎn)發(fā)和評論,將轉(zhuǎn)發(fā)和評論微博合并到原發(fā)微博可以形成預(yù)熱點話題。
  (2)提出了降低微博文本空間向量表示維度的方法。針對微博中存在大量

3、干擾詞的情況,本文借鑒微博平臺上的詞頻統(tǒng)計方法,在微博文本經(jīng)過分詞、去停用詞后,統(tǒng)計文本中每個詞匯出現(xiàn)的頻率,將頻率低的詞匯去掉,這樣既去掉部分干擾詞,又降低微博文本向量空間表示的維度。
  (3)提出了基于預(yù)選熱點話題和時間窗口限定的單遍聚類與層次聚類相結(jié)合(TW-SPHC)的算法,對微博文本進(jìn)行聚類。針對微博熱點話題存在大量轉(zhuǎn)發(fā)和時間相近的話題相似性高的特點,本文在單遍聚類前根據(jù)微博合并權(quán)重預(yù)選熱點話題,并設(shè)定時間窗口以限定文

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論