微博事件的圖文摘要生成方法研究.pdf

1、作為一個新興崛起的研究領(lǐng)域，基于 Twitter、新浪微博等社交媒體的事件挖掘研究正受到越來越多的關(guān)注。針對社交媒體數(shù)據(jù)流的噪聲數(shù)據(jù)過濾、事件識別和事件摘要生成技術(shù)已成為重點研究內(nèi)容。目前已有的方法主要對文本進行事件摘要分析，然而圖像具有傳遞信息更快捷更直觀的特點，如何利用圖像對事件進行視覺描述同樣值得研究。
　　根據(jù)微博數(shù)據(jù)的特點，提出了基于微博事件的多模態(tài)關(guān)聯(lián)的圖文摘要生成算法。采用了基于主題的圖排序算法用于計算事件相關(guān)度，綜

2、合分析了文本-文本、圖像-圖像和文本-圖像三種類型關(guān)系對于事件識別的作用。同時，在考慮事件相關(guān)性和信息多樣性方面引入基于隨機游走的圖排序算法用于微博數(shù)據(jù)多樣性重排，得到事件圖文摘要?；谖⒉?shù)據(jù)流的事件分析面臨較多挑戰(zhàn)，微博存在大量的干擾數(shù)據(jù)，這在很大程度上制約了事件識別的效果。此外，傳統(tǒng)的文本挖掘技術(shù)已經(jīng)不再適用，因為微博設(shè)置了文本字數(shù)的限制，同時還存在大量的拼寫錯誤，以及非正式的口語化文本。為了處理這些問題，采用了基于潛在語義主題模

3、型的文本擴展方法，對文本運用主題模型發(fā)掘其潛在主題，并利用高頻率主題詞作為文本的特征空間對微博進行語義擴展。同樣的，微博中的圖像也存在諸多問題如重復圖像，針對這一問題運用了感知哈希方法進行處理。除了重復圖像問題，微博圖像的主要問題是存在自拍、表情、二維碼等干擾圖像，為此采用了支持向量機分類器用于過濾該類不適合用于事件摘要的無內(nèi)容圖像。通過在搜集的真實微博數(shù)據(jù)上進行實驗，其結(jié)果表明本論文的圖文摘要生成方法對比于傳統(tǒng)的聚類算法具有更高的召回