基于圖文語(yǔ)義關(guān)聯(lián)的微博關(guān)鍵詞抽取方法研究.pdf

1、關(guān)鍵詞抽取是抽取一篇文章中的幾個(gè)核心詞匯以表示文章主題的技術(shù)。隨著互聯(lián)網(wǎng)的高速發(fā)展，網(wǎng)絡(luò)上的信息呈指數(shù)級(jí)增長(zhǎng)，如何快速高效地訪問信息變得困難，而關(guān)鍵詞可以幫助人們快速地了解一篇文章的核心內(nèi)容。同時(shí)，關(guān)鍵詞抽取在文本分類、文本聚類、信息檢索等方面也有著十分重要的作用。
　　如今，互聯(lián)網(wǎng)上的信息大多以多源方式呈現(xiàn)，如新聞文本周圍通常會(huì)有圖片，微博往往也會(huì)配有圖片，圖片新聞或微博也更容易獲取人們的關(guān)注。前人對(duì)關(guān)鍵詞的研究大多是基于文本的

2、，本文旨在研究使用圖文語(yǔ)義關(guān)聯(lián)信息來改進(jìn)微博關(guān)鍵詞的抽取。網(wǎng)絡(luò)上獲取的圖文微博數(shù)據(jù)中圖片和文本并非一定相關(guān)，本文首先提出了圖文語(yǔ)義關(guān)聯(lián)關(guān)系的識(shí)別方法，而后提出了基于圖文語(yǔ)義關(guān)聯(lián)信息的圖文微博關(guān)鍵詞抽取方法。
　　在圖文語(yǔ)義關(guān)聯(lián)關(guān)系識(shí)別中，本文通過提取微博的文本特征、社會(huì)特征和圖文語(yǔ)義相似度特征，將關(guān)聯(lián)關(guān)系識(shí)別轉(zhuǎn)化為一個(gè)二分類問題，使用機(jī)器學(xué)習(xí)分類模型進(jìn)行關(guān)聯(lián)關(guān)系識(shí)別。識(shí)別模型選用了BP神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯和邏輯回歸三種進(jìn)行對(duì)比。實(shí)

3、驗(yàn)結(jié)果表明，使用BP神經(jīng)網(wǎng)絡(luò)結(jié)合Word-Embedding方法計(jì)算的圖文語(yǔ)義相似度特征，并加入文本特征和社會(huì)特征后識(shí)別效果最好。
　　在基于圖文語(yǔ)義關(guān)聯(lián)的微博關(guān)鍵詞抽取過程中，使用TFIDF、TextRank和樸素貝葉斯方法計(jì)算得到文本候選詞權(quán)重，而后使用圖文語(yǔ)義關(guān)聯(lián)信息對(duì)候選詞進(jìn)行相應(yīng)語(yǔ)義加權(quán)，按權(quán)重排序得到微博關(guān)鍵詞。實(shí)驗(yàn)結(jié)果表明，使用TFIDF方法提取微博關(guān)鍵詞效果較好，加入圖文語(yǔ)義關(guān)聯(lián)信息后，結(jié)果有明顯提高。