基于突显词博文聚类的官微事件检测方法

摘要：

[目的]针对官方微博数据存在大量不相关信息的问题,过滤博文进而检测事件.[方法]利用Word2Vec机器学习模型训练官方微博记录集,并将博文影响力、词基础权重以及官微相关性相结合,提出官方微博突显词检测方法,计算突显词博文的相似度,利用层次聚类算法对突显词博文聚类后选取合适的突显词描述事件,从而实现事件检测.[结果]实验结果表明,与TF-IDF和TextRank算法相比较,本文的突显词算法在准确率(63.5％)、召回率(85.5％)和F值(73.0％)方面表现更好.[局限]官方微博历史记录太少,初始的训练会存在数据冷启动问题.[结论]本文方法可以在官方微博博文中有效检测官方微博事件.

关键词：官方微博、相关词、突显词、官微事件、Word2Vec

所属期刊栏目：1

分类号：TP391;G35(计算技术、计算机技术)

资助基金：国家自然科学基金项目“面向物联网安全的Multi-ISM协同建模及关键技术研究”61163025;内蒙古自然科学基金项目“基于个人微博的自动摘要关键技术研究”项目2015MS0621的研究成果之一

在线出版日期：2017-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：57-64