基于社會(huì)標(biāo)簽的無(wú)監(jiān)督微博關(guān)鍵字抽取算法.pdf

1、在社交網(wǎng)絡(luò)日益發(fā)達(dá)的今天，網(wǎng)絡(luò)上每時(shí)每刻都有海量的文本生成。對(duì)這些文本進(jìn)行關(guān)鍵字提取可以為許多應(yīng)用帶來(lái)益處，比如廣告、搜索以及內(nèi)容過(guò)濾等等。本文的研究對(duì)象是微博，它與傳統(tǒng)網(wǎng)頁(yè)不同之處在于微博本身?yè)碛幸恍┨厥獾纳鐣?huì)特征，比如由用戶生成的標(biāo)簽，它在本質(zhì)上具有微博的主題性。與這些標(biāo)簽相關(guān)的關(guān)鍵詞可以反映出用戶的意圖，從而能夠幫助用戶更好地理解微博文章內(nèi)容。我們將標(biāo)簽作為主題指標(biāo)，為微博提出了新穎的無(wú)監(jiān)督關(guān)鍵詞抽取方法。
　　文章具體工作

2、如下：
　?。?）一種方法是隨機(jī)游走排序方法。首先建立詞匯與微博之間的加權(quán)二分圖，該圖形中已將微博自身因素考慮在內(nèi)；然后將基于標(biāo)簽的隨機(jī)游走算法利用于二分圖中，該方法根據(jù)主題標(biāo)簽對(duì)關(guān)鍵詞進(jìn)行抽取；經(jīng)過(guò)一系列的迭代后，最終的關(guān)鍵詞排序?qū)⑷Q于每個(gè)詞匯的平穩(wěn)概率。
　　（2）另一種是依靠微博集合中話題標(biāo)簽來(lái)推斷話題分布的主題模型算法，用該方法抽取出的關(guān)鍵詞的最終排序是由它們的平均主題概率決定。通過(guò)這種主題模型算法不但可以發(fā)現(xiàn)微博

3、集合中的主題，還能夠抽取出與標(biāo)簽相關(guān)的關(guān)鍵詞。
　?。?）我們利用真實(shí)的新浪微博平臺(tái)數(shù)據(jù)對(duì)以上提出的關(guān)鍵詞抽取方法進(jìn)行了實(shí)驗(yàn)評(píng)估，最終的實(shí)驗(yàn)結(jié)果顯示這兩種關(guān)鍵詞抽取方法都比傳統(tǒng)不考慮標(biāo)簽因素的方法精確度更高。而且文章還嘗試將以上兩種方法進(jìn)行巧妙的結(jié)合，做了一定程度的創(chuàng)新和改進(jìn)，實(shí)驗(yàn)結(jié)果更加喜人，精確度與高效遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)算法的結(jié)果。
　　（4）本文還將可視化技術(shù)運(yùn)用到了微博熱門話題分析和關(guān)鍵詞分析中，微博詞云可視化的設(shè)計(jì)可用