中文微博熱點(diǎn)話(huà)題檢測(cè)技術(shù)研究.pdf

1、隨著移動(dòng)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(tái)快速興起,成為廣大用戶(hù)的一種新的交流方式。用戶(hù)以微博為載體,可以方便快捷地發(fā)表觀點(diǎn),進(jìn)行信息交流、互動(dòng)、資源共享。微博平臺(tái)特有的時(shí)效性和隨意性,使得微博信息能夠快速傳播及擴(kuò)散,在現(xiàn)實(shí)社會(huì)中產(chǎn)生強(qiáng)大的影響力。在微博文本中,隱含著大量時(shí)政要點(diǎn)、突發(fā)事件等有價(jià)值的信息。對(duì)微博文本進(jìn)行熱點(diǎn)話(huà)題的提取、檢索,可以幫助用戶(hù)迅速了解社會(huì)中的實(shí)時(shí)熱點(diǎn)信息,對(duì)網(wǎng)絡(luò)輿情監(jiān)控和信息即時(shí)搜索,具有重要的現(xiàn)實(shí)

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(jìn)行識(shí)別和過(guò)濾。由此,通過(guò)尋求相關(guān)信息過(guò)濾手段,研究微博文本熱點(diǎn)話(huà)題的自動(dòng)檢測(cè)技術(shù),成為信息檢索領(lǐng)域研究的熱點(diǎn)。
　　論文首先介紹了話(huà)題檢測(cè)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(diǎn)及傳播特點(diǎn);針對(duì)熱點(diǎn)話(huà)題檢測(cè)的信息過(guò)濾問(wèn)題,提出了一種用戶(hù)角色定位方法。該方法通過(guò)用戶(hù)個(gè)人粉絲數(shù)和關(guān)注數(shù)指標(biāo)來(lái)計(jì)算用戶(hù)關(guān)注度;通過(guò)微博轉(zhuǎn)發(fā)數(shù)和評(píng)論數(shù)來(lái)計(jì)算微博影響力;再通過(guò)用戶(hù)關(guān)注度和微博影

3、響力來(lái)綜合評(píng)估用戶(hù)影響力。通過(guò)對(duì)用戶(hù)角色的定位,實(shí)現(xiàn)了熱點(diǎn)話(huà)題檢測(cè)前的信息粗度過(guò)濾。然后,采用基于改進(jìn)的Single-Pass增量式聚類(lèi)算法,對(duì)微博信息進(jìn)行初步話(huà)題檢測(cè);最后結(jié)合微博轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)等話(huà)題熱度的影響因素,進(jìn)行微博話(huà)題熱度的評(píng)估和排序,從而找到一定時(shí)間段內(nèi)的熱點(diǎn)話(huà)題。論文對(duì)中文微博話(huà)題檢測(cè)中的文本預(yù)處理、文本特征選取方法等進(jìn)行了優(yōu)化,采用結(jié)合語(yǔ)義相似度的TF-IDF函數(shù)計(jì)算特征權(quán)重。
　　基于上述方法,論文以新浪微博語(yǔ)