关于个人微博线索词个性化提取算法的研究

《关于个人微博线索词个性化提取算法的研究》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、关于个人微博线索词个性化提取算法的研究局永兵/周环宇，聂知秘(内蒙古科技大学信息工程学院，内蒙古包头014010)摘要：在分析常规文本关键字提取以及TF-IDF相似度算法的基础上，结合个人微博的非主流文本特征，提出了一种个人微博线索词个性化提取算法(Personalweibocluewordpersonalizedextractionalgorithm,WWPE)。算法主要分为三部分：第一引进了由微博车专帖、评论和赞数组成的流行度概念；第二对耦合、时序和流行度三个因素进行串行相似度计算，解决了相似度浑浊和相似度漂移问题；第三改进了传统

2、的TF-IDF函数，解决了相同关键字在不同文本中的特征值离散问题。实验结果证明该算法具有很高的抽准率。关键词：个性化提取；串行相似度；TF-IDF;中图分类号：TP392文献标识码：A文章编号：CluesaboutpersonalweibowordpersonalizedextractionalgorithmresearchGAOYong-bing,ZHOUHuan-yu,NIEZhi-mi(SchoolofInformationEngineering,InnerMongoliaUniversityofScienceandTechno

3、logy,Baotou014010,China)Abstract:BasedontheanalysisofconventionaltextkeywordextractionandTF-IDFsimilarityalgorithm,onthebasisofcombinationofPersonalweibonon-mainstreamtextcharacteristic,thispaperproposesapersonalizedPersonalweibocluewordextractionalgorithm(Personalweibo

4、cluewordpersonalizedextractionalgorithm,WWPE).Algorithmmainlydividesintothreeparts:thefirstintroducedbyweiborepost，commentsandpraiseforthepopularityofconcepts;Asecondpairofcoupling，timingandpopularityforserialsimilaritycalculation，threefactorsdriftproblemsolvedthesimila

5、rityofturbidityandsimilarity;ThethirdimprovedthetraditionalTF-IDFfunctiontosolvethesamekeywordsinthedifferentcharacteristicvaluesinthetext，thediscreteproblem.Theexperimentalresultsshowthatthisalgorithmhashighprecision.Keywords:Personalizedextract;Serialsimilarity;TF-IDF

6、;1引言微博足近年来新兴起的，且发展迅速的新闻媒体。用户可以随时随地使用电脑或移动客户端发布状态。新浪微博是H前注册人数鉍多，国A流行度蛣广的微博网站。微博数裾是一种实时性较强的短文本，与常规文木相比，具冇文木缺失性、不规则性和多样性等特点。本文以短文本数裾挖掘为研究背景，展开了从矫文木预处理到矩文木相似性度fi,再到特征值的计算等一系列研究。如何从海景的个人微傅数据屮精准地检测出用户所关注或经历的微博事件，生成便于川户浏览和回忆的摘要形式，进而发现一些有价值的信息，是当前信息抽収技术首要解决的问题。本次实验结果就可以作为个人微博事件

7、检测、fi动摘要生成以及文本检索的线索別(clueword)。主题调抽取一直是国内外研究的热点，传统方1引言微博足近年来新兴起的，且发展迅速的新闻媒体。用户可以随时随地使用电脑或移动客户端发布状态。新浪微博是H前注册人数鉍多，国A流行度蛣广的微博网站。微博数裾是一种实时性较强的短文本，与常规文木相比，具冇文木缺失性、不规则性和多样性等特点。本文以短文本数裾挖掘为研究背景，展开了从矫文木预处理到矩文木相似性度fi,再到特征值的计算等一系列研究。如何从海景的个人微傅数据屮精准地检测出用户所关注或经历的微博事件，生成便于川户浏览和回忆的摘要

8、形式，进而发现一些有价值的信息，是当前信息抽収技术首要解决的问题。本次实验结果就可以作为个人微博事件检测、fi动摘要生成以及文本检索的线索別(clueword)。主题调抽取一直是国内外研究的热点，传统方法通常是嚴P向虽令