中文微博熱點話題檢測技術(shù)研究.pdf

1、隨著移動互聯(lián)技術(shù)的迅猛發(fā)展,微博這一新興的社交網(wǎng)絡(luò)平臺快速興起,成為廣大用戶的一種新的交流方式。用戶以微博為載體,可以方便快捷地發(fā)表觀點,進行信息交流、互動、資源共享。微博平臺特有的時效性和隨意性,使得微博信息能夠快速傳播及擴散,在現(xiàn)實社會中產(chǎn)生強大的影響力。在微博文本中,隱含著大量時政要點、突發(fā)事件等有價值的信息。對微博文本進行熱點話題的提取、檢索,可以幫助用戶迅速了解社會中的實時熱點信息,對網(wǎng)絡(luò)輿情監(jiān)控和信息即時搜索,具有重要的現(xiàn)實

2、意義。但是,微博文本具有大數(shù)據(jù)的特征,難以由人工進行識別和過濾。由此,通過尋求相關(guān)信息過濾手段,研究微博文本熱點話題的自動檢測技術(shù),成為信息檢索領(lǐng)域研究的熱點。
　　論文首先介紹了話題檢測的背景,研究現(xiàn)狀及相關(guān)技術(shù);接著分析了中文微博的信息特點及傳播特點;針對熱點話題檢測的信息過濾問題,提出了一種用戶角色定位方法。該方法通過用戶個人粉絲數(shù)和關(guān)注數(shù)指標(biāo)來計算用戶關(guān)注度;通過微博轉(zhuǎn)發(fā)數(shù)和評論數(shù)來計算微博影響力;再通過用戶關(guān)注度和微博影

3、響力來綜合評估用戶影響力。通過對用戶角色的定位,實現(xiàn)了熱點話題檢測前的信息粗度過濾。然后,采用基于改進的Single-Pass增量式聚類算法,對微博信息進行初步話題檢測;最后結(jié)合微博轉(zhuǎn)發(fā)數(shù)、評論數(shù)等話題熱度的影響因素,進行微博話題熱度的評估和排序,從而找到一定時間段內(nèi)的熱點話題。論文對中文微博話題檢測中的文本預(yù)處理、文本特征選取方法等進行了優(yōu)化,采用結(jié)合語義相似度的TF-IDF函數(shù)計算特征權(quán)重。
　　基于上述方法,論文以新浪微博語