中文微博话题检测跟踪方法研究和系统设计

《中文微博话题检测跟踪方法研究和系统设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级公开UDC学号2010660701016广东技术师范学院硕士学位论文中文微博话题检测跟踪方法研究和系统设计ResearchofdetectionandtrackingonTheChinesemicro-blogtopicandsystemdesign研究生姓名导师姓名职称学科专业名称研究方向培养单位吴泽宾吴新玲教授系统理论信息系统工程计算机科学学院2013年5月分类号密级公开UDC学号2010660701016广东技术师范学院硕士学位论文中文微博话题检测跟踪方法研究和系统设计Researcho

2、fdetectionandtrackingonTheChinesemicro-blogtopicandsystemdesign研究生姓名导师姓名职称学科专业名称研究方向培养单位吴泽宾吴新玲教授系统理论信息系统工程计算机科学学院2013年5月独创性声明及论文使用授权说明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得广东技术师范学院或其他教育机构的学位或证书而使用过的材料。与我一同工作的

3、同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。本人完全了解广东技术师范学院有关保留、使用学位论文的规定，即:学校有权保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同意广东技术师范学院将本人的学位论文提交清华大学中国学术期刊（光盘版）电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。□公开□保密（____年____月）(保密的学位论文在解密后应遵守此协议)学位论文作者签名：______________导师签名

4、：_______________签字日期：______________签字日期：_______________摘要中文摘要微博作为一种Web2.0信息时代的出类拔萃的新媒介，做为支持跨平台信息互动交流的多媒体平台，在近两年里迅速发展，逐渐成为普通民众分享个人信息、关注他人信息、获取实时信息的主要平台，也逐渐成为网络媒体的主要组成部分。其特点是信息数量庞大、分散、多样。为了能让用户实时了解微博中整体的话题走向，跟踪自己感兴趣的话题，本文进行中文微博话题数据获取方式，话题检测跟踪方法研究。通过采用适用于微博的网页信息采

5、集技术——基于时间控制广度优先采集，提高信息采集效率，保证信息采集覆盖率。对微博网站话题信息的自适应采集和信息抽取，模块化识别和规范化储存，提供质量较好的数据源。同时研究了基于微博API数据获取方式，并比较了基于网络爬虫数据获取方式和基于API微博数据获取方式两种方案在微博数据获取中性能的优劣。最后采用了中文处理技术进行文本处理，对获取的数据进行检测跟踪。在话题追踪过程中实时调整查询向量，并且通过网页关系、核心特征项和非核心特征项的调整有效过滤了噪声信息的引入，从而提高查询向量调整效果。最终实现了微博话题检测与热门话

6、题跟踪。关键词：微博；微博API；话题检测；话题跟踪；数据获取IAbstractAbstractMicro-blogasnewmediariseabovethecommonherdofaWeb2.0intheinformationage，multimediaplatformtosupportcross-platforminformationinteraction，isdevelopingrapidlyinrecenttwoyears，hasgraduallybecomethemainplatformforordina

7、rypeopletosharepersonalinformation，payattentiontoothers'information，real-timeinformationacquisition，hasgraduallybecomethemainpartofthenetworkmedia.Itscharacteristicisthehugenumberofinformation，decentralized，diversity.Inordertolettheuserreal-timeunderstandingoft

8、heoveralltopicofmicro-blog，trackingtheirinterestinthetopic，thispaperChinesemicro-blogtopicdataacquisition，trackingmethodoftopicdetection.Throughtheuseofsuitablemicro-blogthe