中文微博評論與微博主題相關(guān)性的研究.pdf

1、作為Web2.0時代具有代表的社交平臺，微博已經(jīng)成為了一種主流的信息分享和交流的平臺，微博營銷也應運而生。微博營銷是一種新型的網(wǎng)絡營銷方式，商家通過在微博上發(fā)表與商品主題相關(guān)的帖子，以他的粉絲和偶像為傳播媒介，讓其他用戶能夠快速地了解到商品信息。微博營銷是一種口碑式的營銷方式，用戶的評論中攜帶大量的情報信息，對商家和其他用戶都有重要的意義；對商家而言，評論信息越多，說明有更多的用戶關(guān)注他的商品；評論的內(nèi)容也能夠讓商家及時發(fā)現(xiàn)商品的優(yōu)缺點

2、。對用戶來說，了解到與商品有關(guān)的評論信息，他們能夠做出正確的購買決定。然而，微博評論往往較多，以人工的方式來讀取所有評論是耗時的，也是不現(xiàn)實的，并且由于評論的自由性，有些評論其實是與微博帖子內(nèi)容不相關(guān)的，而且有些評論者對主題是不了解的，或者評論者是一些新用戶，他們的評論不具有權(quán)威性。因此，挖掘出那些與主題相關(guān)的，而且評論者對主題具有一定偏好和較高的權(quán)威性的評論具有重要的現(xiàn)實意義。本文所研究的內(nèi)容如下：
　　1、微博評論的模型化。傳

3、統(tǒng)的文本表達模型，如向量空間模型（Vector Space Model，VSM），將文本抽象成向量，使用詞頻-逆文檔頻率（Term Frequency–Inverse Document Frequency，TF-IDF）來計算詞語的權(quán)重。微博帖子和評論是一種短文本，使用VSM來模型化微博帖子和評論是不科學的。因此，本文提出了用PostWordGraph(PWG)圖來模型化微博帖子和評論。在PWG中，節(jié)點表示詞，邊表示詞之間的關(guān)系。

4、>　　2、從短文本集中提取關(guān)鍵詞。微博評論的自由性導致了微博評論中含有一些與主題無關(guān)的詞語，這些詞語不僅僅會增加計算開銷，而且會影響準確性。在PWG的基礎上，本文提出了PostWordRank(PWR)算法來計算PWG中的詞的權(quán)重。詞的PWR值反應了該節(jié)點的重要性。因此，那些具有較高的PWR值的詞將被當做關(guān)鍵詞，那些包含關(guān)鍵詞的評論將更可能是與主題相關(guān)的。
　　3、本文提出了中文短文本語義相似度算法(Chinese Short-T

5、ext Semantic Similarity Algorithm，CSSSA)。CSSSA不僅考慮了詞語的詞性，還考慮了詞語之間的語義相似度。
　　4、本文定義了評論相關(guān)分值(Comment Related Score，CRS)。CRS不僅僅考慮了評論內(nèi)容與主題的語義相似性，而且考慮了評論者的主題偏好（User Topic Preference，UTP）和權(quán)威值(User Authority Value，UAV)。
　　最