高永兵 陈 超 熊振华 王 宇 马占飞
(内蒙古科技大学信息工程学院 内蒙古 包头 014010)
基于个人微博特征的事件提取研究
高永兵陈超熊振华王宇马占飞
(内蒙古科技大学信息工程学院内蒙古 包头 014010)
摘要个人微博在事件提取上大多都是运用文本进行相似度计算最终达到聚类结果,而没有充分的考虑到微博特征。针对微博标签、URL、时间等特征,提出一种基于微博特征的事件提取算法。该算法针对微博的特征进行TF-IDF的改进,并加入标签相似度,URL相似度,进行综合相似度计算,最后按时间先分段后合并的改进K-means聚类方法得出事件提取结果。实验结果表明,基于微博特征的事件提取算法对微博关键字提取和事件提取的精确度有明显的提高。
关键词微博特点事件提取综合相似度
0引言
在这个信息飞速发展的年代,我们渴望了解我们感兴趣的人和事。企业想了解自己的竞争对手,公司员工想了解老板的信息,追星族想了解自己喜欢的明星,个人想了解自己的亲戚朋友的近况。微博由此承载着我们个人的想法而诞生。
微博作为一种新型的社交网络工具发展急速,用户可以通过Web、移动客户端等途径将自己日常生活的点点滴滴发布并和大家分享。个人发表的微博以140(本文以新浪微博为主)为字数上限,并加入标题、表情、URL、图片等丰富的信息。因为微博这种开放性的特点,使得它的用户剧增。
随着微博的快速发展,微博的历史信息量也越来越大,加上微博独特的特征,这使得我们在想了解我们感兴趣的人和事情的时候困难加剧。……