基于社會標簽的無監(jiān)督微博關鍵字抽取算法.pdf

1、在社交網絡日益發(fā)達的今天，網絡上每時每刻都有海量的文本生成。對這些文本進行關鍵字提取可以為許多應用帶來益處，比如廣告、搜索以及內容過濾等等。本文的研究對象是微博，它與傳統(tǒng)網頁不同之處在于微博本身擁有一些特殊的社會特征，比如由用戶生成的標簽，它在本質上具有微博的主題性。與這些標簽相關的關鍵詞可以反映出用戶的意圖，從而能夠幫助用戶更好地理解微博文章內容。我們將標簽作為主題指標，為微博提出了新穎的無監(jiān)督關鍵詞抽取方法。
　　文章具體工作

2、如下：
　?。?）一種方法是隨機游走排序方法。首先建立詞匯與微博之間的加權二分圖，該圖形中已將微博自身因素考慮在內；然后將基于標簽的隨機游走算法利用于二分圖中，該方法根據主題標簽對關鍵詞進行抽取；經過一系列的迭代后，最終的關鍵詞排序將取決于每個詞匯的平穩(wěn)概率。
　　（2）另一種是依靠微博集合中話題標簽來推斷話題分布的主題模型算法，用該方法抽取出的關鍵詞的最終排序是由它們的平均主題概率決定。通過這種主題模型算法不但可以發(fā)現(xiàn)微博

3、集合中的主題，還能夠抽取出與標簽相關的關鍵詞。
　　（3）我們利用真實的新浪微博平臺數據對以上提出的關鍵詞抽取方法進行了實驗評估，最終的實驗結果顯示這兩種關鍵詞抽取方法都比傳統(tǒng)不考慮標簽因素的方法精確度更高。而且文章還嘗試將以上兩種方法進行巧妙的結合，做了一定程度的創(chuàng)新和改進，實驗結果更加喜人，精確度與高效遠遠超出了傳統(tǒng)算法的結果。
　　（4）本文還將可視化技術運用到了微博熱門話題分析和關鍵詞分析中，微博詞云可視化的設計可用