面向網(wǎng)絡(luò)空間的主題分類(lèi)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人類(lèi)已經(jīng)進(jìn)入了一個(gè)網(wǎng)絡(luò)化的時(shí)代，微博作為網(wǎng)絡(luò)空間中的新型媒體，逐漸成為人們獲取實(shí)時(shí)信息的一個(gè)重要渠道。網(wǎng)絡(luò)用戶(hù)可以通過(guò)微博平臺(tái)自由地表達(dá)個(gè)人觀點(diǎn)、傳遞分享即時(shí)信息。如何對(duì)這樣一個(gè)重要的信息交流平臺(tái)短時(shí)間內(nèi)產(chǎn)生的海量數(shù)據(jù)進(jìn)行組織管理，存儲(chǔ)并檢索是個(gè)亟待解決的問(wèn)題。本文將研究微博主題分類(lèi)，這對(duì)微博信息的組織管理和方便網(wǎng)絡(luò)用戶(hù)及時(shí)獲取準(zhǔn)確而又感興趣的信息具有重要的現(xiàn)實(shí)意義。
　　首先，本文介紹了本課題的研究背景

2、及意義，分析了網(wǎng)絡(luò)空間中的微博分類(lèi)以及主題模型的國(guó)內(nèi)外研究現(xiàn)狀，發(fā)現(xiàn)中文微博數(shù)據(jù)特征維數(shù)過(guò)高而且詞語(yǔ)之間具有語(yǔ)義相關(guān)性，以至于傳統(tǒng)的文本分類(lèi)方法不能滿(mǎn)足中文微博主題分類(lèi)，為此本文針對(duì)上述問(wèn)題進(jìn)行深入研究。
　　其次，根據(jù)新浪微博數(shù)據(jù)自身的特點(diǎn)，提出一種適用于微博主題提取的SMLDA（Sina Micro-blog Latent Dirichlet Allocation）模型。該模型是基于模型LDA（Latent Dirichlet

3、 Allocation）而改進(jìn)的，綜合考慮了三種類(lèi)型的新浪微博數(shù)據(jù)和背景主題，并采用吉布斯抽樣算法來(lái)推理估計(jì)參數(shù)。通過(guò)實(shí)驗(yàn)證明了SMLDA模型在主題特征提取方面的有效性。
　　最后，針對(duì)微博主題分類(lèi)的問(wèn)題，本文提出一種新的SMLDA-SVM模型。該模型主要是利用 SMLDA模型得到的潛在主題-文本矩陣對(duì)微博文本進(jìn)行向量化表示，并結(jié)合SVM（Support Vector Machine）分類(lèi)算法構(gòu)造出一個(gè)高效的多分類(lèi)器，進(jìn)而用于文本