中文微博熱點(diǎn)話題檢測(cè)與自動(dòng)文摘技術(shù)研究.pdf

1、微博在當(dāng)今已經(jīng)成為互聯(lián)網(wǎng)用戶中越來(lái)越受歡迎的交流工具和平臺(tái)。每天，有數(shù)以百萬(wàn)計(jì)的用戶在微博平臺(tái)上分享和發(fā)表著對(duì)生活當(dāng)中各個(gè)方面的觀點(diǎn)和看法。微博作為快速分享和傳播信息的新平臺(tái)，具有信息量龐大、信息分散多樣等特點(diǎn)。它已經(jīng)成許多重大事件爆發(fā)的第一現(xiàn)場(chǎng)，用戶在微博上發(fā)布關(guān)于事件的第一手資料。為了使人們不僅能夠獲取微博中分散的信息，且能夠及時(shí)了解整個(gè)微博中的熱點(diǎn)話題，及時(shí)獲取話題的后續(xù)信息，本文針對(duì)這幾個(gè)方面分別進(jìn)行了研究。
　　首先，檢

2、測(cè)微博熱點(diǎn)話題。微博熱點(diǎn)話題具有以下三個(gè)特點(diǎn):熱門性、突發(fā)性、時(shí)效性。熱門性可以從搜索次數(shù)和微博中提及率中體現(xiàn)出來(lái)，一個(gè)熱門話題必然會(huì)成為用戶在微博平臺(tái)上議論的焦點(diǎn);突發(fā)性是指，該話題在某個(gè)特點(diǎn)時(shí)間點(diǎn)突然爆發(fā)，在此之前可能少有人議論，或者沒有被提到過(guò)，從該時(shí)間點(diǎn)開始搜索次數(shù)和提及率大量增加;時(shí)效性指的是該熱點(diǎn)話題一旦產(chǎn)生，會(huì)在微博中停留一段時(shí)間，但很快將有新的話題取代舊話題成為熱點(diǎn)。本文基于微博熱點(diǎn)話題的以上三個(gè)特點(diǎn)提出了基于話題發(fā)現(xiàn)和

3、話題合并的檢測(cè)技術(shù)。
　　獲得熱點(diǎn)話題之后，用戶急需了解這個(gè)話題是關(guān)于什么。由于微博信息數(shù)據(jù)量十分龐大，逐條閱讀會(huì)花費(fèi)很多時(shí)間，自動(dòng)提取微博摘要就成為了本文需要解決的第二個(gè)問(wèn)題。本文將自動(dòng)文摘的問(wèn)題簡(jiǎn)化為從含有某話題的大量微博中找到一個(gè)子集，這個(gè)子集中的微博與話題的相關(guān)程度最強(qiáng)，且能夠盡可能全面的描述這個(gè)話題。用戶在微博中描述一個(gè)話題時(shí)使用的詞語(yǔ)往往屬于一個(gè)較為固定的詞集，本文中將這個(gè)詞集定義為某話題的特征詞集合。因此本文提出了基