面向短文本的網(wǎng)絡(luò)輿情分析.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，微型博客等新形態(tài)交互方式為信息的發(fā)布和共享提供了新的平臺(tái)，但同時(shí)充斥著大量的虛假、色情、反動(dòng)信息，嚴(yán)重影響了人們對(duì)網(wǎng)絡(luò)的正常使用和信息獲取。如何對(duì)微博中的不良信息進(jìn)行監(jiān)控，成為亟待解決的問(wèn)題。
　　 本文針對(duì)微博短文本進(jìn)行輿情分析，提出了一種基于名詞的微博短文本語(yǔ)義相似度計(jì)算方法。首先，提取微博中的所有名詞；其次，利用《知網(wǎng)(Hownet)》義原的樹(shù)狀結(jié)構(gòu)計(jì)算微博短文本間名詞的距離；最后，通過(guò)提取相似度

2、最高的名詞對(duì)來(lái)計(jì)算微博相似度。在微博相似度計(jì)算基礎(chǔ)上，對(duì)微博進(jìn)行聚類分析，通過(guò)改進(jìn)基于免疫的動(dòng)態(tài)聚類算法，使聚類結(jié)果中抗體集合能夠準(zhǔn)確描述所屬類的內(nèi)容，同時(shí)適應(yīng)不斷增長(zhǎng)的微博數(shù)據(jù)。在輿情分析階段，通過(guò)對(duì)聚類的抗體集合整理得到話題信息，通過(guò)增量聚類算法及時(shí)發(fā)現(xiàn)新話題。在中等規(guī)模微博數(shù)據(jù)集測(cè)試中，本文提出的微博相似度算法能夠準(zhǔn)確判斷微博主題含義，同一類別微博相似度90％以上分布在0.6-1.0之間，可為后續(xù)微博聚類服務(wù)。在大規(guī)模的微博聚類實(shí)