中文短文本中的熱點(diǎn)話題發(fā)現(xiàn).pdf

1、短文本通常指文本長度小于160個(gè)字符，一般以手機(jī)短信、網(wǎng)頁評論、網(wǎng)絡(luò)聊天信息等形式存在的文本。短文本的熱點(diǎn)話題識別問題是短文本應(yīng)用領(lǐng)域必須解決的具有挑戰(zhàn)性的基礎(chǔ)問題之一。由于短文本具有長度短、所描述概念信號弱的固有缺陷，傳統(tǒng)的話題識別方法并不適用于短文本。短文本話題識別的可行途徑是利用外部資源中的可用信息來擴(kuò)展短文本所描述的概念。
　　 上下位關(guān)系作為一種重要的語義關(guān)系，利用這種關(guān)系擴(kuò)展短文本的特征向量，能夠在一定程度上彌補(bǔ)短文

2、本描述概念不顯著的缺陷。本文圍繞如何將上下位關(guān)系用于中文短文本的話題識別展開研究，主要工作如下：
　　 (1)建立了一個(gè)將上下位關(guān)系用于短文本話題識別的整體框架，即首先從短文本中抽取關(guān)鍵詞，再利用《知網(wǎng)》的上下位關(guān)系對這些關(guān)鍵詞進(jìn)行特征擴(kuò)展。在此框架下，重點(diǎn)研究了如何抽取短文本中關(guān)鍵詞。由于短文本自身的特點(diǎn)，本文利用簡單聚類的方法來抽取短文本中的關(guān)鍵詞。利用已有的上下位關(guān)系庫對這些關(guān)鍵詞進(jìn)行特征擴(kuò)展，對擴(kuò)展后的短文本進(jìn)行二次聚類

3、，最終得到熱點(diǎn)話題列表。實(shí)驗(yàn)表明：上下位關(guān)系有助于短文本話題識別性能的改善
　　 (2)針對短文本長度短、描述概念能力弱的問題，提出了一種利用詞語上下位關(guān)系對短文本關(guān)鍵詞進(jìn)行特征擴(kuò)展的中文短文本熱點(diǎn)話題發(fā)現(xiàn)方法。思路首先是通過聚類抽取初始話題中的關(guān)鍵詞，然后針對這些關(guān)鍵詞利用詞語上下位關(guān)系進(jìn)行特征擴(kuò)展，最后對特征擴(kuò)展后的文本再次聚類從而得到熱點(diǎn)話題。該方法彌補(bǔ)了短文本特征不足的缺點(diǎn)，在一定程度上提高了中文短文本中熱點(diǎn)話題發(fā)現(xiàn)的性