基于個人微博時序事件的研究.pdf

1、碩士學(xué)位論文碩士學(xué)位論文論文題目論文題目：基于個人微博時序事件的研究英文題目英文題目：Aresearchoftimingeventsbasedonpersonalmicroblog學(xué)位類學(xué)位類別：工學(xué)碩士研究生姓研究生姓名：聶知秘學(xué)號學(xué)號：201102186學(xué)科學(xué)科(領(lǐng)域領(lǐng)域)名稱名稱：計算機(jī)應(yīng)用技術(shù)指導(dǎo)教指導(dǎo)教師：高永兵職稱職稱：副教授協(xié)助指導(dǎo)教協(xié)助指導(dǎo)教師：師：職稱：稱：2014年6月6日分類號：分類號：TP399TP399密級：級

2、：公開公開UDC：學(xué)校代碼：學(xué)校代碼：10127內(nèi)蒙古科技大學(xué)碩士學(xué)位論文I摘要微博作為一個新興的社交媒體服務(wù)，從各個方面滲透并影響著人們的生活，成為人們共享信息、交流情感的一個重要平臺。其中大部分的個人微博內(nèi)容記錄其生活經(jīng)歷、專業(yè)興趣以及熱點話題的討論等，所以微博數(shù)據(jù)就成了個人履歷情感的載體。由于發(fā)微博的的實時性、便利性有時甚至是秒發(fā)，這樣個人微博就逐漸代替了日記，形成了時記或分記，這樣長時間后形成的微博數(shù)據(jù)量會非常龐大，想要了解博主

3、就只能通過逐條瀏覽其歷史微博，這就造成了時間浪費。如何快速準(zhǔn)確的了解博主的動態(tài)已成為目前急需解決的問題，微博歸類就是針對這一問題而提出的。在微博歸類過程中，微博相似度的精度決定了其的準(zhǔn)確性，本文研究的重點就是如何提高微博相似度的精確性。由于個人微博數(shù)據(jù)總體數(shù)量較多、單條簡短及內(nèi)容隨意性大等特性，利用傳統(tǒng)分類方法以及信息提取算法進(jìn)行處理時存在一定的局限性。本文考慮到單條微博文本信息簡短包含的有效特征少，且內(nèi)容比較口語化的特性，從同類詞方面

4、對文本的特征詞進(jìn)行了擴(kuò)展，盡量降低特征丟失的可能性，提出了一種基于改進(jìn)的Jaccard相似度和余弦相似度的綜合相似度算法。首先，對獲取的微博數(shù)據(jù)進(jìn)行過濾，去除沒有任何信息的文本和無關(guān)鏈接、圖片等，并利用相關(guān)中科院的漢語詞法分詞系統(tǒng)ICTCLAS對文本進(jìn)行分詞、做詞性標(biāo)記和過濾停用詞以及表情詞；其次，采用改進(jìn)的TFIDF算法提取微博特征詞和LDA（LatentDirichletAllocation）主題模型構(gòu)造同類詞模板來提高微博相似度的

5、精度，即先利用特征選擇評估函數(shù)CHI衡量每個特征詞對每個類別的重要程度并使特征詞在該類別文本中符合均勻分布后再計算TFIDF值來提取微博特征詞；然后，在提取的特征詞和構(gòu)造的同類詞模板的基礎(chǔ)上結(jié)合Jaccard相似度和余弦相似度計算個人微博的綜合相似度，該算法克服了傳統(tǒng)只基于詞語共現(xiàn)方法的不足，能夠從同類詞特征和個體數(shù)值特征等方面更深層次、更全面的計算兩條微博的相似度；最后，利用KMeans時序事件歸類算法對個人微博數(shù)據(jù)進(jìn)行歸類，使相同話