微博信息流中突現(xiàn)話題檢測技術研究.pdf

1、自2009年國內第一個大型微博平臺—新浪微博上線以來，國內微博用戶的數(shù)量每年都呈井噴式增長。微博特有的用戶關系結構和巨大影響力使得它已經(jīng)成為網(wǎng)絡信息傳播的新勢力?，F(xiàn)在微博用戶每天都會產(chǎn)生數(shù)百萬條新微博信息，這使得難以通過人工的方法來發(fā)現(xiàn)海量微博信息里隱含的突現(xiàn)話題。如果能提出一種自動方法可以及時全面地從海量微博信息中檢測出剛出現(xiàn)不久的突現(xiàn)話題，對掌握最新的網(wǎng)絡輿論動向和維護社會穩(wěn)定有著重大意義。本文對檢測微博信息流中突現(xiàn)話題的主要關鍵技

2、術進行了研究，主要研究的內容包括以下兩個方面。
　　首先，提出了一個根據(jù)突現(xiàn)話題的暴發(fā)特征而構建的突現(xiàn)關鍵詞提取模型。該模型定義了一個名為微博流片段的數(shù)據(jù)結構，然后利用滑動窗口、分治和加權等技術來提取微博信息流中的突現(xiàn)關鍵詞。實驗結果表明本文提出的突現(xiàn)關鍵詞提取模型可以全面準確地提取出各個時間段內的突現(xiàn)關鍵詞。
　　其次，提出了基于互信息的微博突現(xiàn)話題檢測方法。該方法首先使用lucene的搜索技術來構建突現(xiàn)關鍵詞集合的互信息

3、矩陣，然后利用互信息矩陣來擴展一個新話題的關鍵詞。通過不斷地擴展新話題的關鍵詞，實現(xiàn)對突現(xiàn)關鍵詞集合中的關鍵詞進行聚類，最后把聚類得到的各個關鍵詞子集合作為檢測出來的突現(xiàn)話題。實驗表明該方法可以準確全面地檢測出各個時間段內的突現(xiàn)話題。
　　本文基于微博突現(xiàn)話題的暴發(fā)特征，提出了一種新的基于微博平臺的突現(xiàn)關鍵詞提取方法和突現(xiàn)話題檢測方法。這兩個方法可以幫助人們及時全面地發(fā)現(xiàn)整個微博空間里的最新突現(xiàn)話題，使得微博輿情監(jiān)管人員可以更好地