特征词选择与相似度融合的微博话题发现方法.pdfVIP

研究与开发 特征词选择与相似度融合的微博话题发现方法 陈红阳，汪林林，陈滢生，鲁江坤，左雪 （重庆人文科技学院计算机工程学院，重庆 401524 ） 摘 要：微博短文本中存在一些相同或相近、但与主题关系不大的词项，对准确度量文本之间的相似性具有 较大的干扰作用，影响微博话题被发现的质量。提出一种基于文本内容与结构化信息相结合的特征词选择算 法，能有效提取具有代表性的特征词，并对文本、话题间相似度的计算策略进行改进，然后将特征词选择算 法与相似度计算方法融合，应用于微博文本数据实现话题发现。实验结果表明，本算法能有效降低话题发现 的平均漏检率与误检率，提高话题发现质量。 关键词：微博；特征词；选择；相似度；话题发现 中图分类号：TP391 文献标识码：A doi: 10.11959/j.issn.1000−0801.2017258 A method of micro-blog topic discovery based