基于粒度與內(nèi)容質(zhì)量的個人微博摘要研究.pdf

1、隨著時代的迅猛發(fā)展，互聯(lián)網(wǎng)、移動終端等得到了快速的發(fā)展和普及，導致了人們對社交的方式進行重新的定義，從過去通過面對面、寫信等手段進行社會交際變成了現(xiàn)如今通過互聯(lián)網(wǎng)、移動終端等方式進行。正因為社交手段的變化，導致微博成為了當今最流行的應用軟件，它可以讓用戶隨心所欲的表達自己，也可以關(guān)注和了解他人的信息，讓社交變的更為主動，而且可以忽略時間和空間的限制。
　　微博發(fā)展至今，使得微博數(shù)據(jù)已經(jīng)達到海量，其中包含著大量有用信息，而且現(xiàn)如今微

2、博進入了高速發(fā)展的階段，其產(chǎn)生的數(shù)據(jù)的速度也會更快，使數(shù)據(jù)量更加龐大。微博作為一種社交工具，它不僅記錄著生活的點點滴滴、最熱最新話題、人生感悟等，而且還有廣告信息、商品信息等垃圾信息，而且微博沒有格式要求，導致微博數(shù)據(jù)形式多樣、口語化嚴重，造成了嚴重的數(shù)據(jù)稀疏，導致在挖掘微博數(shù)據(jù)的過程中產(chǎn)生了很大的困難。本文對微博的文本數(shù)據(jù)資源分析，定義了微博的內(nèi)容質(zhì)量，同時在個人微博事件的基礎上進行個人微博自動摘要的研究，本文旨在自動摘要具有更好可讀

3、性，而且包含更全面的信息。
　　本文首先對微博的文本特征和社會特征進行分析研究，將微博的特征量化，并且定義了微博的文本內(nèi)容質(zhì)量，同時根據(jù)微博的特征量化得到微博文本內(nèi)容質(zhì)量；緊接著提出了兩種微博自動摘要的方法：一種是基于 CR-PageRank算法的個人微博自動摘要方法，它根據(jù)微博特征的量化確定微博文本的內(nèi)容質(zhì)量，同時將文本內(nèi)容質(zhì)量與 PageRa nk算法相結(jié)合，提出了一種 C R-Page Ra nk算法，從而對微博文本進行自動

4、摘要；另一種是基于文本內(nèi)容質(zhì)量的個人微博自動摘要方法，它是基于微博特征量化的基礎上，首先提取出內(nèi)容質(zhì)量高的微博作為摘要集，然后在使用Le xRa nk算法對摘要集中的文本句子進行打分，提取出摘要句；最后通過人工方式提取不同事件的摘要，同時對摘要進行評分，將人工摘要作為對比，測試本文提出的兩種方法以及已有的自動摘要方法在不同的事件的F-Measur e值。
　　實驗結(jié)果表明，本文提取的兩種方法在提取個人事件自動摘要上都優(yōu)于已有自動摘