微博事件的圖文摘要生成方法研究.pdf

1、作為一個(gè)新興崛起的研究領(lǐng)域，基于 Twitter、新浪微博等社交媒體的事件挖掘研究正受到越來越多的關(guān)注。針對(duì)社交媒體數(shù)據(jù)流的噪聲數(shù)據(jù)過濾、事件識(shí)別和事件摘要生成技術(shù)已成為重點(diǎn)研究內(nèi)容。目前已有的方法主要對(duì)文本進(jìn)行事件摘要分析，然而圖像具有傳遞信息更快捷更直觀的特點(diǎn)，如何利用圖像對(duì)事件進(jìn)行視覺描述同樣值得研究。
　　根據(jù)微博數(shù)據(jù)的特點(diǎn)，提出了基于微博事件的多模態(tài)關(guān)聯(lián)的圖文摘要生成算法。采用了基于主題的圖排序算法用于計(jì)算事件相關(guān)度，綜

2、合分析了文本-文本、圖像-圖像和文本-圖像三種類型關(guān)系對(duì)于事件識(shí)別的作用。同時(shí)，在考慮事件相關(guān)性和信息多樣性方面引入基于隨機(jī)游走的圖排序算法用于微博數(shù)據(jù)多樣性重排，得到事件圖文摘要?；谖⒉?shù)據(jù)流的事件分析面臨較多挑戰(zhàn)，微博存在大量的干擾數(shù)據(jù)，這在很大程度上制約了事件識(shí)別的效果。此外，傳統(tǒng)的文本挖掘技術(shù)已經(jīng)不再適用，因?yàn)槲⒉┰O(shè)置了文本字?jǐn)?shù)的限制，同時(shí)還存在大量的拼寫錯(cuò)誤，以及非正式的口語化文本。為了處理這些問題，采用了基于潛在語義主題模

3、型的文本擴(kuò)展方法，對(duì)文本運(yùn)用主題模型發(fā)掘其潛在主題，并利用高頻率主題詞作為文本的特征空間對(duì)微博進(jìn)行語義擴(kuò)展。同樣的，微博中的圖像也存在諸多問題如重復(fù)圖像，針對(duì)這一問題運(yùn)用了感知哈希方法進(jìn)行處理。除了重復(fù)圖像問題，微博圖像的主要問題是存在自拍、表情、二維碼等干擾圖像，為此采用了支持向量機(jī)分類器用于過濾該類不適合用于事件摘要的無內(nèi)容圖像。通過在搜集的真實(shí)微博數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，其結(jié)果表明本論文的圖文摘要生成方法對(duì)比于傳統(tǒng)的聚類算法具有更高的召回