基于语言网络的微博特征发现和话题关键词提取-计算机技术专业论文.docxVIP

杭州电 杭州电子科技大学硕士学位论文 I I 摘 要 微博是近年来出现的一种网络新媒体，有着传播迅速，使用方便等优点。随 着互联网技术的蓬勃发展，特别是手机互联网用户的迅速增加，每天生成的微博 内容越来越多，微博内容的研究也变得日趋重要。本文首先基于海量微博内容语 料构建了词同现网络来做微博语体特征发现，然后又针对话题相关微博内容语料 构建了话题关键词提取网络，通过对构建的语言网络进行分析和研究，提出了新 的微博内容研究和话题关键词提取方法，并获得了满意的实验结果。 首先，本文对语言网络和微博内容研究的现状和发展进行了简要的回顾。文 中对语言网络研究的背景知识和相关技术做了分析，接着对微博内容研究的方法 进行了总结，主要有两个研究方向，分别是从语言学角度分析微博语体特点和从 文本挖掘角度获取微博信息。 其次，本文提出了基于语言网络的微博特征发现方法。语言网络分析方法一 般通过对语言形式的定量研究来认识和理解语言网络的共同的拓扑结构和演化 的一般规律。本文提出将语言网络分析运用到微博这种网络语言中，通过分析微 博内容构建的语言网络的复杂网络特性，来从整体上发现微博内容的语言学特 征。 再次，本文在总结了现有的微博关键词提取方法优缺点的基础上，提出了一 种基于话题语言网络的关键词提取方法。首先对话题相关的微博内容构建语言网 络，然后使用复杂网络中小世界特性中的两种中心性参数-介数中心性、接近中 心性和度中心性相结合来作为词语的特征权重，接着计算词语节点特征权重参数 值，最后根据词语节点参数值的大小来选择话题关键词。 最后，使用大规模微博语料和话题相关语料对本文提出的基于语言网络的微 博特征发现和话题关键词提取算法进行了实验，并对测试结果进行了分析。实验 结果表明，本文的算法对研究微博内容和提取微博话题关键词具有一定的可用 性。本文最后对论文所做的工作进行了总结和评述，提炼了微博语言网络和话题 关键词提取值得继续研究的若干问题，为以后的研究指明了方向。 关键词：微博，复杂网络，语言网络，关键词提取，中文信息处理 II II ABSTRACT Microblog is a new kind of Internet media that appeared in recent years. It has the superiority of spreading rapidly and convenient to use. With the rapid development of Internet technology, especially the quickly growing number of mobile Internet users, microblog content is produced more and more everyday. Therefore, research on microblog content is becoming increasingly important. Based on the large-scale microblog content corpus, this thesis firstly construct word co-occurrence language networks to find microblog stylistic features, and then with the topic related microblog content corpus, construct topic keyphrase extraction network. Through the analysis and research of the language networks constructed, a microblog text research method and a topic keyphrase extraction method are proposed. The experimental results show that the proposed methods are feasible. Firstly, we review the present studies on language networks and microblog text. With the analysis of related state-of-the-art technologies of language networks research, two manifolds are concerned for microblog content research: (1) From the