多視圖微博話題檢測方法研究.pdf

1、隨著計算機和網(wǎng)絡技術的蓬勃發(fā)展,社會化媒體越來越受到廣大網(wǎng)民的日益關注。近年來,微博作為一種新型的社會化媒體,已經(jīng)得到了人們的廣泛關注,許多國內(nèi)外的重大事件都是通過它在第一時間傳播給人們。海量的微博短文本數(shù)據(jù)中蘊含著大量有價值的熱點話題,自動檢測這些話題可以更好為人們提供更多全方位的動態(tài)消息。然而,傳統(tǒng)的話題檢測算法已經(jīng)無法滿足這種新型社會化媒體的短文本數(shù)據(jù)。針對此問題,本論文主要研究了一種基于多視圖技術的微博話題檢測方法,該方法充分考

2、慮了微博文檔之間的語義關系和社會化關系,具有較好的話題檢測效果。論文的主要工作和創(chuàng)新點如下。
　　首先,本文提出了一種采用微博間語義關系和社會關系的多視圖微博話題檢測方法。在表征微博文之間關系的時候,本文不但利用了傳統(tǒng)文本語義關系,也利用了博文之間社會關系,從而彌補了語義關系的不足。博文間的語義關系和社會關系可以構成一個多視圖,然后我們采用基于譜聚類的多視圖聚類算法對微博博文進行聚類,并從話題簇中提取出具有代表性的關鍵詞。文章通過

3、實驗驗證了多視圖聚類比任意一種單視圖聚類有著更好的聚類效果。
　　其次,為了更準確地表征博文間語義關系,本文提出了一種新的基于后綴樹的文檔相似度度量算法。在該方法中,首先通過后綴樹檢測出文檔間的共同短語,由于短語比單個詞的隨機組合有著更豐富的語義信息,然后對短語中的詞進行額外加權,因而能更準確的度量文檔之間的相似度。實驗表明通過對短語進行加權,可以更好的度量博文之間的語義關系。
　　再次,在表征微博博文間社會化關系時,我們提