微博事件自動(dòng)摘要研究.pdf

1、在Web2.0時(shí)代，微博已成為流行的社交網(wǎng)絡(luò)平臺(tái)。微博互動(dòng)性強(qiáng)、用戶數(shù)量大，社會(huì)上的流行熱點(diǎn)事件能夠在微博平臺(tái)上迅速傳播，其實(shí)時(shí)性和現(xiàn)場(chǎng)感遠(yuǎn)超傳統(tǒng)媒體。通過(guò)微博瀏覽熱點(diǎn)事件已經(jīng)成為現(xiàn)代社會(huì)獲取最新資訊的重要途徑。
　　然而，作為一個(gè)主打社交的平臺(tái)，微博并沒(méi)有專門(mén)對(duì)新聞事件數(shù)據(jù)進(jìn)行優(yōu)化。人們?cè)谖⒉┢脚_(tái)上只能通過(guò)關(guān)鍵詞檢索事件相關(guān)微博。這些微博一方面內(nèi)容冗余度高，另一方面由于微博字?jǐn)?shù)限制很難給出事件的整體描述以及用戶觀點(diǎn)。再者，搜索引

2、擎的結(jié)果一般通過(guò)微博發(fā)布時(shí)間或者熱門(mén)程度等基本屬性進(jìn)行排序，并沒(méi)有針對(duì)微博文本內(nèi)容或者主題進(jìn)行排序的機(jī)制。這些不足致使呈現(xiàn)在用戶面前的事件信息只是一個(gè)局部，缺乏完整性。同時(shí)，對(duì)于一個(gè)事件，特別是發(fā)展過(guò)程中重點(diǎn)發(fā)生轉(zhuǎn)移的事件，用戶不僅需要了解事件的概況，還希望進(jìn)一步掌握事件發(fā)展的脈絡(luò)和前因后果。
　　針對(duì)這些問(wèn)題，本文提出了一種面向微博事件的自動(dòng)摘要生成方法。它包含兩部分內(nèi)容。對(duì)于微博事件數(shù)據(jù)如何進(jìn)行表示的問(wèn)題，我們?cè)O(shè)計(jì)了一種微博短

3、文本自動(dòng)摘要算法。它可以克服傳統(tǒng)的長(zhǎng)文本自動(dòng)摘要方法應(yīng)用于短文本摘要效果不佳的缺點(diǎn)，從事件的整體入手為微博生成摘要。對(duì)于事件演化階段的摘要生成問(wèn)題，我們提出了一種基于演化特征的層次聚類算法，并結(jié)合事件摘要算法為微博生成演化摘要。本文的主要貢獻(xiàn)如下:
　　(1)針對(duì)微博平臺(tái)事件信息表示的問(wèn)題，提出了一種適用于微博短文本的自動(dòng)摘要算法。我們定義了一種微博復(fù)合型摘要，包括微博事件描述摘要和微博情感摘要。對(duì)于事件描述摘要，本文在依存語(yǔ)法的

4、基礎(chǔ)上，利用圖模型計(jì)算微博句子單元的重要性并進(jìn)行排序，最后用最大邊緣相關(guān)算法篩選出最相關(guān)的句子構(gòu)成事件描述集合。對(duì)于用戶情感摘要，本文提出了一種基于監(jiān)督學(xué)習(xí)模型的情感句抽取方法。我們從新浪微博上抓取了6個(gè)事件微博集合，實(shí)驗(yàn)結(jié)果表明了本文所提方法的有效性。
　　(2)針對(duì)某些事件演化過(guò)程復(fù)雜，一個(gè)摘要難以表示的問(wèn)題，我們提出了一種基于演化特征的層次聚類算法用于識(shí)別事件演化階段。在計(jì)算演化特征向量相似度時(shí)，考慮到傳統(tǒng)的基于向量空間模型