微博主觀性發(fā)現(xiàn)關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)和通訊產(chǎn)業(yè)的快速發(fā)展，微博成為了又一個(gè)跨時(shí)代產(chǎn)品。微博是一個(gè)基于關(guān)系的信息分享、傳播以及獲取平臺(tái)。用戶可以通過WEB、WAP以及各種客戶端組件，以140字左右的文字更新信息，并實(shí)現(xiàn)即時(shí)分享。由于微博發(fā)展迅猛，微博文本已經(jīng)形成了大規(guī)模積累，針對微博文本的研究已經(jīng)成為了一個(gè)十分重要的課題。
　　 本文主要針對在判定中文微博是否具有主觀性的過程中所需的關(guān)鍵技術(shù)進(jìn)行研究。論文的主要內(nèi)容歸納如下：
　　 （1）基于線索樹

2、雙層聚類的微博話題檢測方法
　　 本文針對微博文本短、半結(jié)構(gòu)、上下文信息豐富等特點(diǎn)，提出了基于線索樹雙層聚類的話題檢測方法，利用融合了時(shí)序特征和作者信息的話題模型進(jìn)行線索樹內(nèi)的局部聚類，借以實(shí)現(xiàn)垃圾微博的過濾，最后利用整合后的線索樹進(jìn)行全局話題檢測，該方法有效緩解了微博文本中的數(shù)據(jù)稀疏問題。
　　 （2）基于跨實(shí)體推演的事件抽取方法
　　 本文將實(shí)體類型一致性作為事件抽取過程中的一個(gè)重要特征，針對實(shí)體類型和事件類

3、型之間的關(guān)系，通過實(shí)體類型推演出事件類型，然后選取特征對事件的其他要素進(jìn)行判定。該方法比較傳統(tǒng)的句子級事件抽取系統(tǒng)取得了更好的效果。
　　 （3）基于文法特征的中文能愿詞挖掘方法
　　 本文采用基于二元、三元、四元文法的方法，對微博中的中文能愿詞進(jìn)行抽取，并以該微博所抽取出的事件中是否含有能愿詞作為微博主觀性判定的依據(jù)。該方法主要基于規(guī)則和文法特征，分為兩個(gè)階段，其中第二部分是在第一部分的基礎(chǔ)上，對能愿詞進(jìn)行循環(huán)迭代挖掘