李鹏—计算机技术—201102301.docVIP

硕士学位论文 论文题目： 基于个人微博的事件时序挖掘 英文题目：Sequence of events mining based on personal micro blog 学位类别： 工程硕士 研究生姓名： 李鹏 学号：201102301 学科(领域)名称： 计算机技术 指导教师： 胡文江 职称： 教授 协助指导教师： 职称： 2013年6月6日 独　创　性　说　明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得内蒙古科技大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。 签名： 日期： 关于学位论文使用授权的说明 本人完全了解内蒙古科技大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 （保密的论文在解密后应遵循此规定） 签名： 导师签名： 日期： 摘 要 近几年，微博(Micro blog)迅猛发展，已经成为社交网络的一个重要应用，为当前最流行的社交服务。它允许在任何时间、任何地点发布短消息（通常最大长度为 140 个中或英文字符）。这种消息的传播方式使每个人都形成了“自媒体”，其中大部分的微博内容涉及个人的生活经历、热点话题的讨论、关注名人这几个方面。由于它的实时性，写微博逐渐代替了日记，形成了时记或分记，这样形成的微博数据量是巨大的，与此同时大量有价值的信息在微博平台上被发布与交流。要想从这巨大的数据中找到自己感兴趣或想了解的微博，只能一条一条的浏览微博，在这个信息爆炸和生活节奏加快的时代，这其实是很费时费力的。 怎样将海量数据精准高效的提取出来，整合成便于浏览的方式，是当前的首要问题。为了很好的解决这个问题，产生了信息抽取技术。而事件抽取又是其中重要的一份子。它的主要工作就是从一堆看似杂乱无章的文档中将用户关心的内容提取出来，然后按照一定的结构化方式来整理，便于用户的浏览和分析。 课题以个人微博的事件作为研究对象，研究个人在某段时间内发表的所有微博，先分析了基于聚类算法的事件提取，并用代码实现，并得出此方法不适用于个人微博数据中的结论。接下来详细分析研究对象——个人微博事件的特点，提出了框架的思想，实现了个人微博事件的抽取与合成。方便自己或他人对其在某段时间内的主要关注的事件有一个整体的了解，以后这也可以作为个人生活的简历参照。对于那些关注名人或研究生来说，也可以方便地了解明星或导师的动态。当然，这个系统也可以移植到其他的领域，如推荐系统等。 本文提出了一个完整的个人微博事件挖掘的工作流，它涵盖了从微博数据预处理、提取关键词和模板匹配三个环节，实现了一个能实时分析的个人微博事件挖掘的系统。具体来说，文中利用新浪微博提供的API获取微博数据，作为源数据。首先对数据进行预处理，去除那些与个人事件无关的微博记录，去除那些有拖尾现象的低词频，在结合词共现图和互信息的方法提取关键词，通过爬虫获取和人为加工，建立个人微博事件的模板，利用模板匹配算法去匹配微博关键词得到最终的匹配结果。在事件的匹配过程中，实现了对个人事件的事件发生时间、事件发生地点、事件关键词的匹配。 实验结果表明，课题采用的利用模板匹配来抽取事件的方法是合理的，在真实的个人微博数据中得到了不错的实验结果。本课题主要做的是公共事件的有模匹配，对于私人事件的摘要将是我们下一步的研究重点。 关键词：事件抽取；微博；框架；模板；事件；关键词 Abstract In recent years, micro blog rapid development has become an important application of social networking. And it is currently the most popular social networking service. It is allowed at any time, any place to publish short messages (usually a maximum length of 140 or Englis