基于個(gè)人微博特征的Timeline生成研究.pdf

1、在這個(gè)信息飛速發(fā)展的年代，我們渴望了解我們感興趣的人和事。企業(yè)想了解自己的競(jìng)爭(zhēng)對(duì)手，公司員工想了解老板的信息，追星族想了解自己喜歡的明星，個(gè)人想了解自己的親戚朋友的近況。微博卻承載著我們個(gè)人的想法而誕生。
　　微博作為一種新型的社交網(wǎng)絡(luò)工具發(fā)展急速，用戶可以通過(guò) WEB、移動(dòng)客戶端等途徑將自己日常生活的點(diǎn)點(diǎn)滴滴發(fā)布并和大家分享。個(gè)人發(fā)表的微博以140（本文以新浪微博為主）為字?jǐn)?shù)上限，并加入標(biāo)題、表情、URL、圖片等豐富的信息。因?yàn)?/p>

2、微博這種開(kāi)放性的特點(diǎn)，使得它的用戶劇增。
　　微博具有文本長(zhǎng)度短，信息含量小，數(shù)據(jù)量巨大的特點(diǎn)，這使得在文本處理時(shí)造成嚴(yán)重的數(shù)據(jù)稀疏性；微博具有實(shí)時(shí)更新強(qiáng)的特點(diǎn)，使得微博事件提取工作復(fù)雜；由于微博文本不規(guī)范、語(yǔ)言的口語(yǔ)化、網(wǎng)絡(luò)語(yǔ)言普遍化、拼寫(xiě)錯(cuò)誤等，給微博事件提取增添了很多困難；微博文本的主題相互交叉，并呈現(xiàn)長(zhǎng)尾現(xiàn)象，導(dǎo)致數(shù)據(jù)分布嚴(yán)重不均勻。
　　隨著微博的快速發(fā)展，微博的歷史信息量也越來(lái)越大，加上微博獨(dú)特的特征，這使得我們

3、在想了解我們感興趣的人和事情的時(shí)候困難加劇。微博和傳統(tǒng)文本有很大的區(qū)別，這使得傳統(tǒng)文本事件的提取算法無(wú)法應(yīng)用于微博事件提取中，以傳統(tǒng)文本事件提取算法為基礎(chǔ)，加入微博所特有的特征和特點(diǎn)，進(jìn)行了微博事件提取的研究，提出了一種基于微博特征的事件提取算法，基于傳統(tǒng)的事件提取方法沒(méi)有充分考慮到微博的特征的問(wèn)題，本文把微博特征進(jìn)行細(xì)化，把微博的轉(zhuǎn)發(fā)、評(píng)論、贊、標(biāo)簽、URL所對(duì)應(yīng)的標(biāo)題等特征加入到 TF-IDF的改進(jìn)中，通過(guò)改進(jìn)的TF-IDF提取出關(guān)