微博短文本预处理及学习研究综述.pdfVIP

57 11 20 13 6 第 卷第 期 年 月 微博短文本预处理及学习研究综述* ■ 王连喜 ［ ］ ， 摘 要 认 为 因短文本具有特征稀疏性和 高度 冗余性 微博短文本的预处理及 学 习方法研究 已经成 为微 ， 。 ， 博信息挖掘及应用 的关键 并在许 多方 面有着非常重要和广泛的应用 重点分析微博短 文本 的特性 并对微博 ， 、 、 短文本的预处理和 学习方法及其应用现状进行 归纳和总结 包括短 文本特征表 示 短 文本特征拓展 与选择 短 、 。 ， 文本分类与聚类学习 热点事件发 现及 自动 文摘等 最后 指 出相关研究 的局 限性 并对 未来的发展方 向进行 展望 。 ［ ］ 关键词 微博短文本 预处理 短文本 学习 热点事件发现 自动文摘 ［ ］G354 TP393 分类号 ， 1 引 言 出短文本内容之间的内在联系 从而帮助用户发现隐 藏在微博数据中的潜在规律或解决生活中的现实问 ， 微博是近年兴起的一种信息交流媒体 相比于传 ， 、 、 、 题 例如热点事件发现 意见领袖识别 网络内容监测 ， ， 统社会媒体 其发展态势相当之强劲 已逐渐成为人们 消极网络舆情检测等。 ［1 － 2］ 生活中不可缺少的一部分 。中国互联网络信息中 本文通过对近几年出现在国内外重要期刊和会议 (CNNIC) ， 20 12 12 ， 心 发布的数据显示 截至 年 月底 我 、 ， 上的微博短文本研究成果进行连续跟踪 学习和梳理 3． 09 ， 国微博用户数已达到 亿 网民中的微博用户比例 深入分析和归纳微博短文本预处理和学习及应用的研 54 ． 7 % ， 1 。 达到 用户每日发布博文数量已远超过 亿条 ， 究现状 并对微博短文本研究目前存在的问题进行总 ， 可见 微博平台上集聚着非常庞大的用户群体和海量 结，