中文微博客熱點(diǎn)話題檢測(cè)與跟蹤技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、微博客作為快速分享和傳播信息的新平臺(tái),具有信息量龐大、信息分散多樣等特點(diǎn)。為了使人們不僅能獲取微博客中分散的信息,而且能及時(shí)了解整個(gè)微博客中的熱點(diǎn)話題,及時(shí)獲得感興趣話題的后續(xù)信息,本文針對(duì)中文微博客進(jìn)行了熱點(diǎn)話題檢測(cè)與跟蹤的研究。
   本文在分析主流中文微博客的信息特點(diǎn)和傳播特點(diǎn)的基礎(chǔ)上,結(jié)合國(guó)內(nèi)外現(xiàn)有的用于普通網(wǎng)頁的話題檢測(cè)和跟蹤技術(shù),重點(diǎn)研究了適用于中文微博客的網(wǎng)頁采集、信息抽取、熱點(diǎn)話題檢測(cè)以及話題跟蹤技術(shù)。取得了如下

2、四項(xiàng)成果:
   (1)提出基于時(shí)間判斷的廣度優(yōu)先網(wǎng)頁采集技術(shù)。通過在網(wǎng)頁采集流程中添加時(shí)間分析器,判斷一個(gè)將被采集的頁面中的時(shí)間是否均早于預(yù)設(shè)的時(shí)間點(diǎn),從而決定是否對(duì)該頁面只進(jìn)行廣度采集。該方法既避免了采集過早的無用信息,提高了采集效率,又保證了采集的覆蓋率。
   (2)提出基于空間向量模型的SP&HA聚類算法用于話題檢測(cè)。根據(jù)微博客中用語靈活的特點(diǎn),本文用空間向量模型表示微博客文本和話題,繼而提出了SP&HA聚類算

3、法。該算法把話題檢測(cè)分為文本模型化、話題初步檢測(cè)和話題合并三個(gè)環(huán)節(jié)。在話題初步檢測(cè)中采用改進(jìn)的Single-Pass聚類算法,提高了檢測(cè)效率,在話題合并環(huán)節(jié)采用改進(jìn)的凝聚式層次聚類算法,提高了話題檢測(cè)質(zhì)量。
   (3)改進(jìn)了權(quán)重、相似度和熱度的計(jì)算方法。提出了結(jié)合語義相似度表的特征權(quán)重和相似度計(jì)算方法。結(jié)合語義相似度表進(jìn)行特征權(quán)重和相似度計(jì)算,不僅降低了一個(gè)語義多種表達(dá)形式帶來的計(jì)算誤差,而且保證了計(jì)算效率。另外,提出了計(jì)算博

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論