邹学强，包秀国，黄晓军，马宏远，袁庆升

（1.中国科学院信息工程研究所，北京 100093；2.国家计算机网络应急技术处理协调中心，北京 100029；3.中国科学院大学，北京100049；4.北京邮电大学信息与通信工程学院，北京 100876）

基于层次分析的微博短文本特征计算方法

邹学强1,2,3，包秀国2，黄晓军4，马宏远2，袁庆升1,2,3

（1.中国科学院信息工程研究所，北京 100093；2.国家计算机网络应急技术处理协调中心，北京 100029；3.中国科学院大学，北京100049；4.北京邮电大学信息与通信工程学院，北京 100876）

为了建立用户精准兴趣模型以有效发现具有相似兴趣的用户群，提出了一种针对微博的短文本特征计算方法用于聚类算法，提升聚类效果以更好地挖掘微博用户的相似兴趣集合。该方法融合了微博转发数、评论数、点赞数等多个关键指标来度量微博短文本特征的重要性。同时，引入层次分析技术，改进了传统的tf-idf特征计算方法，并利用经典文本聚类算法进行实验。实验结果表明，改进后的短文本特征计算方法与传统的tf-idf特征计算方法相比，在类内集中度和类间分散度上取得了更好的效果。

层次分析；特征计算；文本聚类；短文本

1 引言

近年来，快速发展的社交网络已成为人们交流信息的重要平台。其中，微博作为主流社交平台之一，吸引了越来越多的网民参与其中。随着微博用户规模的迅速膨胀，微博平台上产生和流动的大量数据(如朋友关系、用户发布的内容等)具有重要的研究意义和应用价值。其中，如何基于微博平台中的各种信息来辅助发现和定位广告目标用户群，进而提升微博营销服务和产品的有效性，已成为近年来的研究热点之一。……