群聊話題檢測(cè)技術(shù)研究.pdf

1、即時(shí)消息系統(tǒng)的便捷性使得在線群聊成為了人們?nèi)粘Ｉ钪薪涣鳒贤ǖ囊粋€(gè)重要方式。但是，群聊文本存在內(nèi)容簡(jiǎn)短、結(jié)構(gòu)不規(guī)范、回復(fù)對(duì)象不明確等特點(diǎn)，給群內(nèi)話題的檢測(cè)帶來(lái)了挑戰(zhàn)。如何從聊天文本流中準(zhǔn)確的檢測(cè)出群內(nèi)有價(jià)值的話題是當(dāng)前研究中的一個(gè)難點(diǎn)和熱點(diǎn)問(wèn)題。本文針對(duì)群聊話題檢測(cè)中的兩個(gè)關(guān)鍵問(wèn)題：如何緩解聊天文本向量稀疏性和解決聊天話題交叉性展開(kāi)了研究。
　　首先，為了降低了聊天短文本的稀疏性和奇異性對(duì)話題檢測(cè)技術(shù)性能的影響，將具有回復(fù)關(guān)系的聊

2、天文本拼接在一起作為整體處理，提出了一種基于隱式回復(fù)特征的群聊話題檢測(cè)方法。提出的方法從大量真實(shí)的群聊記錄中總結(jié)提取出聊天文本中存在的隱式回復(fù)特征，借助隱式回復(fù)特征發(fā)現(xiàn)群會(huì)話中的起始信息，以起始信息作為群聊文本流的分割點(diǎn)，將得到的文本流片段視為一個(gè)長(zhǎng)文本，在長(zhǎng)文本的基礎(chǔ)上進(jìn)行聊天文本聚類得到話題。實(shí)驗(yàn)結(jié)果表明，基于隱式回復(fù)特征的群聊話題檢測(cè)方法能夠有效的緩解聊天文本向量稀疏性帶來(lái)的挑戰(zhàn)，其F-measure值達(dá)到0.595，比基于歷史統(tǒng)

3、計(jì)信息的方法提高了6％，比傳統(tǒng)的基于文本相似度的方法提高了22%。
　　其次，為了降低話題交叉性對(duì)話題檢測(cè)技術(shù)性能的影響，引入了多話題窗口機(jī)制來(lái)準(zhǔn)確的定位回復(fù)信息的回復(fù)對(duì)象，提出了一種基于多話題窗口的群聊話題檢測(cè)方法。提出的方法用多話題窗口保存群會(huì)話中最近討論的K個(gè)話題，當(dāng)系統(tǒng)讀入新的消息文本時(shí)，借助隱式回復(fù)特征和文本相似度來(lái)確定新消息是否是對(duì)多話題窗口中的某個(gè)話題的回復(fù)，如果存在回復(fù)對(duì)象，將新消息文本加入該話題對(duì)象中，否則，向前