zhouhunyu小论文 .docVIP

基于个人微博主题词提取研究 高永兵, 周环宇 , 聂知秘，胡文江 （内蒙古科技大学 信息工程学院，内蒙古 包头 014010） 摘 要：微博作为一个新兴的社交媒体服务，是目前最流行的社交应用之一，微博数据具有实施动态特性，因此人们可以通过分析微博数据检测现实生活中的事件，同时微博数据的海量、短文本和丰富的社交关系等特性也为事件检测带来了新的挑战。综合考虑了微博数据特有的文本特征（转帖、评论、赞数、内嵌超链接（URL））提出了一种更有效的基于个人微博数据的主题词检测（Personal weibo data subject test ,PWDST）方法。 关键词：微博数据；文本特征；主题词检测； 中图分类号：TP392 文献标识码：ABase on the research of personal micro-blog public events detection GAO Yong-bing, ZHOU Huan-yu, HU Wen-jiang ,NIE Zhi-mi (School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou 014010, China) Abstract: Microblog as a new social media services, is currently one of the most popular social networking applications, weibo data to implement dynamic characteristics, so people can through the analysis of weibo data detection in real life events, and the mass, weibo series Ben and rich in features such as social relationships and brings new challenges for event detection. Considering the weibo data characteristic of the text characteristics (repost, reviews, and number of praise, embedded hyperlinks (URL)) is proposed based on a more effective Personal weibo data subject detection (Personal weibo data subject test, PWDST) method. Keywords: weibo data; The text characteristic; Subject headings detection; 1.引言 微博作为一个新兴的社交媒体服务，是目前最流行的社交应用之一。它允许用户随时随地使用移动设备发布不超过140字符的信息，以更新自己的状态。对微博应用等方面的研究，是最近几年的研究热点。新浪微博是国内最流行的微博网站，用户注册人数已超过3亿。 微博数据包括以下五个特性： 数据海量以新浪微博为例，目前微博用户平均每天都要发送超过1亿条帖子，平均每秒发送的帖子数高达1000条/s，这使得微博数据量非常巨大。 短文本性根据微博网站规定，每条微博帖子的长度不能超过140个字符，因此微博帖子较短小精干。 文本缺失性受发帖字数限制，用户只能用精简的语言发表微博，文本规范性和完整性较差。为了更好地阐述自己的观点，用户在发帖时嵌入超文本，如图片、视频和网页链接等。 实时性移动客户端的迅猛增长，使得人们在日常生活中可以随时随地发帖，从而微博数据具有实时性。 丰富的社交信息微博用户间通过“关注”关系形成了一个庞大而复杂的社交网络，并且通过转发、评论等操作引入更丰富的社交关系，这使得微博数据具有丰富的社交信息。 针对微博数据的特性和传统事件检测方法的缺陷，本文提出了一种更有效的基于个人微博数据的主题词检测（weibo data subject test ,WDST）方法。该研究方法综合考虑微博数据特有的文本特征（转帖、评论、赞数、内嵌超链接（URL）等）、实时性特征进行主题词的监测。本文的主要创新点有以下两点： 分析微博数据的文本特征时，综合考虑转发、评论、赞数、内嵌外部链接（URL）等并提出了相应的加权方案，计算出微博信息中每个关键词的热点权重。 2.相关工作 随着微博应用的推广和移动客户端的迅猛增长，人们往往第一时间在微博上发帖“报道”生活