中文微博話題檢測跟蹤方法研究和系統(tǒng)設(shè)計(jì).pdf

1、微博作為一種Web2.0信息時(shí)代的出類拔萃的新媒介,做為支持跨平臺信息互動(dòng)交流的多媒體平臺,在近兩年里迅速發(fā)展,逐漸成為普通民眾分享個(gè)人信息、關(guān)注他人信息、獲取實(shí)時(shí)信息的主要平臺,也逐漸成為網(wǎng)絡(luò)媒體的主要組成部分。其特點(diǎn)是信息數(shù)量龐大、分散、多樣。
　　為了能讓用戶實(shí)時(shí)了解微博中整體的話題走向,跟蹤自己感興趣的話題,本文進(jìn)行中文微博話題數(shù)據(jù)獲取方式,話題檢測跟蹤方法研究。通過采用適用于微博的網(wǎng)頁信息采集技術(shù)——基于時(shí)間控制廣度優(yōu)先

2、采集,提高信息采集效率,保證信息采集覆蓋率。對微博網(wǎng)站話題信息的自適應(yīng)采集和信息抽取,模塊化識別和規(guī)范化儲存,提供質(zhì)量較好的數(shù)據(jù)源。
　　同時(shí)研究了基于微博API數(shù)據(jù)獲取方式,并比較了基于網(wǎng)絡(luò)爬蟲數(shù)據(jù)獲取方式和基于API微博數(shù)據(jù)獲取方式兩種方案在微博數(shù)據(jù)獲取中性能的優(yōu)劣。
　　最后采用了中文處理技術(shù)進(jìn)行文本處理,對獲取的數(shù)據(jù)進(jìn)行檢測跟蹤。在話題追蹤過程中實(shí)時(shí)調(diào)整查詢向量,并且通過網(wǎng)頁關(guān)系、核心特征項(xiàng)和非核心特征項(xiàng)的調(diào)整有效過