摘  要：为了从大量微博信息中提取重要事件并预测发展趋势，基于微博的地理特征和时间特征，提出了一种对微博进行聚类和索引的多层次方法。该方法使用X均值聚类，根据用户输入的关键词建立索引，并根据索引自动评估聚类的数量。同时，基于情感特征对微博进行聚类，创建包含负面情感微博和正面情感微博的两个聚类。实验结果表明，所提索引机制不仅便于搜索，而且有利于检索任务。与其他微博聚类方法相比，所提方法在DBI指标和S系数两个指标上均有更好的表现，且时间复杂度较传统方法更低，与输入数据量的对数成正比。

关键词：微博检索;时间特征;地理特征;情感特征

中图分类号：TP391     文献标识码：A

Research on Multi-level Microblog Retrieval Method based on Multiple Features

FAN Yimin

（College of Computer Information and Engineering， Nanchang Institute of Technology， Nanchang 330044， China）

rowan521@163.com

Abstract： In order to extract important events from a large amount of microblog information and predict the development trend， this paper proposes a multi-level method for clustering and indexing microblogs based on geographic and temporal characteristics of microblogs. X-mean clustering is used in this method， an index is built based on the keywords entered by the user， and the number of clusters is automatically evaluated based on the index. At the same time， the microblogs are clustered based on emotional characteristics， and two clusters containing negative emotional microblogs and positive emotional microblogs are created. Experimental results show that the proposed indexing mechanism is not only convenient for searching， but also conducive to retrieval tasks. Compared with other microblog clustering methods， the proposed method has better performance on both the DBI （Discriminated Bond Index） indicator and the S coefficient. The time complexity is lower than that of the traditional method， which is proportional to the logarithm of the input data volume.

Keywords： microblog retrieval; temporal characteristics; geographic characteristics; emotional characteristics

1   引言（Introduction）

過去几年中，网络媒体得到了飞速发展，越来越多的出版公司将重心从纸媒体转移到网络媒体。在线媒体通过社交网络平台完成点对点分享和广播。在博客和微博中，用户可以与特定人群共享信息，或向大量用户传播信息。由于微博的主体或元数据中包含了大量信息，因此，以微博时间、地理位置或空间特征为基础，可以提取重要事件及其发展趋势[1]。

微博的聚类检索是一个热门研究课题，已经有很多研究者对其进行了研究。王李冬等[2-3]提出了基于HowNet知识库系统的微博语义检索方法。杨震等[4]提出了一种微博检索结果的二次重排算法，基于微博内容相似关系构建关系图模型，利用PageRank算法对微博检索结果进行二次排序。……