一种相关话题微博信息的筛选规则学习算法.pdfVIP

第 26 卷第5 期 中文信息学报 Vo l. 26 , No. 5 2012 年 9 月 JOURNAL OF CHINESE INFORMATION PROCESSING Sep. , 2012 编者按:中国中文信息学会于 2011 年 10 月在山东济南召开第七届全国信息检索学术会议。会 议的程序委员会向本刊推荐了一批优秀论文，编辑部得到授权，又请专家审阅，并请作者修改，其中 的 16 篇在本期发表，以飨读者。 文章编号: 1003-0077(2012)05-0001-06 一种相关话题微博信息的筛选规则学习 玄 牛 莫溢，刘盛华，如j 悦，程学旗 (中国科学院计算技术研究所，北京 100190) 摘 要:微博作为一种新型的社会媒体，以其信息的高实时性、话题动态关注、传播速度快的特点，逐渐被人们所接 受和使用。筛选出相关话题的微博信息，帮助用户关注话题的动态发展，成为迫切需要解决的问题。由于微博信 息篇幅极短、包含的信息和特征少等特点，为相关话题微博信息的筛选带来了新的挑战，而传统的文本分类技术已 不再适用。该文提出了基于信息煽的筛选规则学习算法，利用学习得到的规则对微博信息进行有效的筛选。算法 利用信息煽来许价规则的好坏，同时基于模拟退火的随机策略使算法中的规则选择避免了过于贪心。分别通过来 自新浪微博的约九万条标i主数据和 TREC2011 中约三千条特定话题的标注数据进行实验.该文算法相比于 CPAR 和 SVM 算法，学习得到的规则在筛选时取得了较高的 F 值。 关键词:微博信息筛选;规则学习;信息煽 中图分类号: TP391 文献标识码:A An Entropy-Based Rule Mining Algorithm for Filtering Tweets by Topics 岛10 Yi , LIU Shenghua , LIU Yue , CHENG Xueqi CInstitute of Computing Technology , Chinese Academy of Sciences , Beijing 100190 , China) Abstract: Microblog as a new social media plays more and m口re important role in current life due to its real time. trends and spreading of information. The issue that filtering tweets according to a concerning topic for tracking its trends is of substantial significance to the users. Since a tweet is extremely short , containing less information and textual features , how to filter the short tweets becomes a challenge in that the traditional text classification is no lon- ger applicable. 1n this paper , we prop口sed a entropy-based classification rule learning algorithm to filter tweets by topics. The experimental results on nearly 90 000 tweets and