官方微博的事件提取及其摘要技術研究.pdf

1、微博，微博客的簡稱。其憑借短文本、傳播速度快、信息發(fā)布快等特點一直活躍在社會化網(wǎng)絡應用平臺的前端。微博互動性強、用戶數(shù)量大，社會上的流行熱點新聞或突發(fā)事件能夠在非常短的時間內在微博平臺上迅速傳播。用戶也可以通過互聯(lián)網(wǎng)、手機等移動客戶端方便便捷地登錄微博，發(fā)布信息或瀏覽信息。如今，通過微博瀏覽熱點事件已經(jīng)成為人們獲取最新資訊的重要途徑。近年來，伴隨著大量組織機構平臺微博的開通，官方微博已經(jīng)開始進入人們的視野。官方微博一般屬于組織團體帳號，

2、是經(jīng)過官方認證后的微博，即其真實性已通過驗證。官方微博博文比較權威，博文可信度高，標簽現(xiàn)象鮮明，組織功能的宣傳性博文占比大，具有較強的社會效應，摘要其組織團體的時序事件信息可以大大提高閱讀效率。但由于官方微博多人式分工維護的特點，博文中蘊含著大量官微發(fā)展歷程信息，也存在許多非組織功能性的博文，內容呈現(xiàn)雜合。如何過濾官微組織不相關信息，提取出有價值的官方微博事件信息，聚類相關博文并生成事件摘要成為現(xiàn)今研究的一個必要課題。
　　本文首

3、先對官方微博的數(shù)據(jù)特征進行分析研究，提出了語料加權、標簽識別的官方微博事件摘要模型。針對官方微博這個新的微博領域，提出了 CWR(Corpus Weighted Ranking)算法提取官方微博的主題詞，根據(jù)官方微博數(shù)據(jù)功能性特征引入了官微相關詞權重提高官微主題詞提取的準確性。同時根據(jù)官方微博博文的標簽鮮明性特點引入了標簽判定樹，將官微博文劃分長短期性分別處理，并對同一標簽下的碎片型官微博文進行相似度計算，聚類發(fā)現(xiàn)官微事件。然后根據(jù)官微