微博文本預(yù)處理與用戶興趣建模方法研究.pdf

1、微博，即微博客，是一個(gè)基于用戶關(guān)系的信息分享、傳播以及獲取平臺(tái)，用戶可以通過如WEB、WAP等各種客戶端登錄微博，并以最長(zhǎng)140字（包含標(biāo)點(diǎn)符號(hào)）的文字信息來(lái)更新微博、分享微博。微博作為重要的社交網(wǎng)絡(luò)平臺(tái)，以其便捷性、創(chuàng)新交互性和原創(chuàng)性的特點(diǎn)，逐漸影響著人們的生活和工作方式。近年來(lái)針對(duì)微博方面的研究越來(lái)越多，包括話題事件分析、情感分析、信息檢索與推薦、網(wǎng)絡(luò)關(guān)系分析、信息傳播、影響力分析等，利用微博用戶興趣模型提供的精準(zhǔn)化廣告投放逐漸成長(zhǎng)

2、為一種主要盈利模式。微博用戶興趣建模方法的研究,對(duì)微博網(wǎng)站提高用戶滿意度,實(shí)現(xiàn)盈利和發(fā)展有很大的作用。
　　2012年孫威《微博用戶興趣挖掘與建模研究》和2013年1月仇均《基于微博社會(huì)網(wǎng)絡(luò)的用戶興趣模型研究》都對(duì)微博用戶興趣建模提出了自己的方法，但是側(cè)重點(diǎn)不同，前者是在對(duì)體現(xiàn)微博用戶興趣信息的選取上重點(diǎn)研究，而后者的主要研究在于微博社會(huì)網(wǎng)絡(luò)的構(gòu)成方面。本文的出發(fā)點(diǎn)與以上二者又有不同，將微博文本的預(yù)處理作為側(cè)重點(diǎn)進(jìn)行研究。

3、　　本文的研究?jī)?nèi)容包含兩個(gè)部分：微博文本預(yù)處理和微博用戶興趣建模。其主要的研究?jī)?nèi)容和取得的成果如下：
　　①停用詞過濾方法研究：在中文文本處理過程中，停用詞過濾是必不可少的環(huán)節(jié)，停用詞過濾的準(zhǔn)確性直接影響到了后續(xù)對(duì)于文本分析、內(nèi)容抽取和相關(guān)性等的研究效果。本文根據(jù)停用詞的特點(diǎn)，提出了基于上下文關(guān)系的停用詞定義，并且通過分析停用詞在詞性方面的特征以及微博中文本的特點(diǎn)，提出了一種針對(duì)微博文本預(yù)處理的停用詞過濾規(guī)則，可有效去除微博文本中

4、的停用詞。該方法處理快速、簡(jiǎn)單有效，為后續(xù)研究基于微博文本的用戶興趣建模提供了有效支撐。
　?、谛略~發(fā)現(xiàn)方法研究：微博是一些新詞、網(wǎng)絡(luò)詞匯的快速源產(chǎn)地，研究顯示，60％的分詞錯(cuò)誤都是由新詞導(dǎo)致的，而分詞錯(cuò)誤又會(huì)導(dǎo)致后續(xù)用戶興趣建模的不準(zhǔn)確性，因此對(duì)微博文本進(jìn)行新詞發(fā)現(xiàn)方法的研究是提高用戶興趣挖掘的有效方法。本文從新詞的構(gòu)成方式著手，提出基于相鄰詞組的微博新詞定義，并且根據(jù)微博文本的特點(diǎn)，對(duì)微博中“@”和“＃”兩種特殊符號(hào)所帶來(lái)的特