孙　莉　张　振　李继云　王　梅

(东华大学计算机科学与计算机学院　上海 201620)



基于微博文本和元数据的话题检测

孙莉张振李继云王梅

(东华大学计算机科学与计算机学院上海 201620)

在微博热点话题发现中，微博文本短、词量少、时效性高，传统的话题检测方法不再适用。针对这些新的特点，提出一种基于微博文本和元数据的话题发现方法。首先利用微博发布时间、用户信息、微博转发评论等元数据构造描述微博词汇能量的复合权值，进而提取出话题的主题词汇，然后基于上下文关系构造主题词汇簇，最后对微博文本进行二次聚类，从而得到微博中的隐含话题以及相关微博文本。在真实微博数据上的实验表明，该方法能有效发现热门话题，提高话题检测的准确率和查全率。

微博元数据聚类话题检测

0　引　言

随着互联网行业的飞速发展，微博的注册用户数量持续升高，微博变得越来越深入大家的日常生活，成为了互联网用户分享生活、联络关系的一个重要平台。最早的微博应用模式来源于2006年诞生于美国的twitter，随后中国新浪公司在2009年推出了新浪微博，自此微博正式进入了中文上网人群的视野。随着微博的出现以及爆炸性发展，刷微博逐渐成为了人们获取信息和发表意见的重要方式，从微博中监控舆论也因此成为一种重要的舆论监控方式。

与传统的新闻文本不同，微博的内容简短，长度一般不超过140字，因此包含的词语数量较少[1]。微博的文风也不像长篇新闻报道那样正式，它的写法随意，语言丰富多彩，行文措辞不规范。……