基于用戶關(guān)系強(qiáng)度及短文本相似度的社交會(huì)話抽取研究.pdf

1、隨著網(wǎng)絡(luò)通信技術(shù)的發(fā)展及社交工具的普及，QQ、微信等即時(shí)通信工具得到了廣泛應(yīng)用，產(chǎn)生了大量的用于交互的短文本。這些交互式的短文本中包含了豐富的信息資源，具有很高研究?jī)r(jià)值，分析這些數(shù)據(jù)隱含的知識(shí)不僅具有學(xué)術(shù)研究?jī)r(jià)值也具有很大的社會(huì)影響與經(jīng)濟(jì)效益，對(duì)這些短文本信息流中的消息根據(jù)所屬主題劃分到多個(gè)會(huì)話隊(duì)列有利于信息的管理以及進(jìn)一步的分析?，F(xiàn)有的會(huì)話抽取算法主要是基于文本相似度的聚類方法的改進(jìn)，無(wú)法解決短文本特.征稀疏導(dǎo)致的文本相似度計(jì)算飄移引

2、發(fā)的難題。
　　針對(duì)短文本的相似性特點(diǎn)，本文從社交用戶交互強(qiáng)度特征的角度考慮，結(jié)合心理學(xué)上熟悉性對(duì)人際交互的影響的特性，提出了基于用戶關(guān)系強(qiáng)度的社交會(huì)話抽取算法，該算法利用用戶的歷史交互數(shù)據(jù)以計(jì)算用戶的交互強(qiáng)度、以及用戶的職業(yè)屬性等計(jì)算用戶的屬性相似度，從而計(jì)算用戶的關(guān)系強(qiáng)度；最后，論文利用無(wú)監(jiān)督的single-pass聚類算法結(jié)合文本的相似度以及用戶的關(guān)系強(qiáng)度對(duì)用戶產(chǎn)生的消息進(jìn)行聚類。實(shí)驗(yàn)結(jié)果可發(fā)現(xiàn)，在活躍用戶消息數(shù)量多的情況下