基于层次分析的微博短文本特征计算方法calculatingthefeature.pdfVIP

第 37 卷第 12 期 通 信 学 报 Vol.37 No.12 2016 年 12 月 Journal on Communications December 2016 doi:10.11959/j.issn.1000-436x.2016239 基于层次分析的微博短文本特征计算方法 邹学强 1,2,3 ，包秀国 2 ，黄晓军 4 ，马宏远 2 ，袁庆升 1,2,3 （1. 中国科学院信息工程研究所，北京 100093 ；2. 国家计算机网络应急技术处理协调中心，北京 100029 ； 3. 中国科学院大学，北京 100049；4. 北京邮电大学信息与通信工程学院，北京 100876 ） 摘 要：为了建立用户精准兴趣模型以有效发现具有相似兴趣的用户群，提出了一种针对微博的短文本特征计算 方法用于聚类算法，提升聚类效果以更好地挖掘微博用户的相似兴趣集合。该方法融合了微博转发数、评论数、 点赞数等多个关键指标来度量微博短文本特征的重要性。同时，引入层次分析技术，改进了传统的 tf-idf 特征计 算方法，并利用经典文本聚类算法进行实验。实验结果表明，改进后的短文本特征计算方法与传统的 tf-idf 特征 计算方法相比，在类内集中度和类间分散度上取得了更好的效果。 关键词：层次分析；特征计算；文本聚类；短文本 中图分类号：TP391.1 文献标识码：A Calculating the feature method of short text based on analytic hierarchy process 1,2,3 2 4 2 1,2,3 ZOU Xue-qiang , BAO Xiu-guo , HUANG Xiao-jun , MA Hong-yuan , YUAN Qing-sheng (1. Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100093, China; 2. National Computer Network Emergency Response Technical Team/Coordination Center of China, Beijing 100029, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China; 4. School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China ） Abstract: In order to model the accurate interest preference of microblog users and discover user groups with similar in- terest, a new method was proposed which considered the total amount of retweets, comments and attitudes of each mi-