微博特定話題檢測與跟蹤研究及實現.pdf

1、隨著越來越多的用戶愿意上網發(fā)微博，表達對公共事件的關注和看法、表達個人情感或情緒、報道新聞事件、發(fā)表觀點等，微博已經成為非常有價值的數據源。如何有效地獲取和展現微博數據中的有效信息，提高信息獲取的效率，長期以來一直是一個研究熱點。本文分析了微博文本的結構特點，構建了一個微博數據預處理話題檢測與跟蹤系統(tǒng)。系統(tǒng)通過新浪微博平臺獲取數據并進行分詞，基于分詞結果選取特征詞構造向量空間模型（VSM）；在計算特征權重時基于微博的hashtag信息來

2、提升話題特征詞的權重；使用微博轉發(fā)關系提高微博聚類的準確率；并利用微博的轉發(fā)數、評論數以及發(fā)微博用戶信息的相關信息來提取關鍵詞；考慮微博本身的結構特征，針對微博的轉發(fā)關系，構造轉發(fā)關系表對微博話題進行自適應地跟蹤，進而獲取微博話題的發(fā)展方向。本文主要工作包括：
　?。?）針對微博文本具有hashtag的特點，并且hashtag通常是對整個微博內容的綜合概括，提出了基于hashtag的權重計算方法，該方法能夠有效地提高微博聚類的效果