基于個人微博的事件時序挖掘.pdf

1、碩士學(xué)位論文碩士學(xué)位論文論文題目論文題目：基于個人微博的事件時序挖掘英文題目英文題目：Sequenceofeventsminingbasedonpersonalmicroblog學(xué)位類學(xué)位類別：工程碩士研究生姓研究生姓名：李鵬學(xué)號學(xué)號：201102301學(xué)科學(xué)科(領(lǐng)域領(lǐng)域)名稱名稱：計算機技術(shù)指導(dǎo)教指導(dǎo)教師：胡文江職稱職稱：教授協(xié)助指導(dǎo)教協(xié)助指導(dǎo)教師：師：職稱：職稱：2013年6月6日分類號：分類號：TP399TP399密級：級：公開公

2、開UDC：學(xué)校代碼：學(xué)校代碼：10127內(nèi)蒙古科技大學(xué)碩士學(xué)位論文I摘要近幾年，微博(Microblog)迅猛發(fā)展，已經(jīng)成為社交網(wǎng)絡(luò)的一個重要應(yīng)用，為當前最流行的社交服務(wù)。它允許在任何時間、任何地點發(fā)布短消息（通常最大長度為140個中或英文字符）。這種消息的傳播方式使每個人都形成了“自媒體”，其中大部分的微博內(nèi)容涉及個人的生活經(jīng)歷、熱點話題的討論、關(guān)注名人這幾個方面。由于它的實時性，寫微博逐漸代替了日記，形成了時記或分記，這樣形成的微博

3、數(shù)據(jù)量是巨大的，與此同時大量有價值的信息在微博平臺上被發(fā)布與交流。要想從這巨大的數(shù)據(jù)中找到自己感興趣或想了解的微博，只能一條一條的瀏覽微博，在這個信息爆炸和生活節(jié)奏加快的時代，這其實是很費時費力的。怎樣將海量數(shù)據(jù)精準高效的提取出來，整合成便于瀏覽的方式，是當前的首要問題。為了很好的解決這個問題，產(chǎn)生了信息抽取技術(shù)。而事件抽取又是其中重要的一份子。它的主要工作就是從一堆看似雜亂無章的文檔中將用戶關(guān)心的內(nèi)容提取出來，然后按照一定的結(jié)構(gòu)化方式

4、來整理，便于用戶的瀏覽和分析。課題以個人微博的事件作為研究對象，研究個人在某段時間內(nèi)發(fā)表的所有微博，先分析了基于聚類算法的事件提取，并用代碼實現(xiàn)，并得出此方法不適用于個人微博數(shù)據(jù)中的結(jié)論。接下來詳細分析研究對象——個人微博事件的特點，提出了框架的思想，實現(xiàn)了個人微博事件的抽取與合成。方便自己或他人對其在某段時間內(nèi)的主要關(guān)注的事件有一個整體的了解，以后這也可以作為個人生活的簡歷參照。對于那些關(guān)注名人或研究生來說，也可以方便地了解明星或?qū)?/p>

5、的動態(tài)。當然，這個系統(tǒng)也可以移植到其他的領(lǐng)域，如推薦系統(tǒng)等。本文提出了一個完整的個人微博事件挖掘的工作流，它涵蓋了從微博數(shù)據(jù)預(yù)處理、提取關(guān)鍵詞和模板匹配三個環(huán)節(jié)，實現(xiàn)了一個能實時分析的個人微博事件挖掘的系統(tǒng)。具體來說，文中利用新浪微博提供的API獲取微博數(shù)據(jù)，作為源數(shù)據(jù)。首先對數(shù)據(jù)進行預(yù)處理，去除那些與個人事件無關(guān)的微博記錄，去除那些有拖尾現(xiàn)象的低詞頻，在結(jié)合詞共現(xiàn)圖和互信息的方法提取關(guān)鍵詞，通過爬蟲獲取和人為加工，建立個人微博事件的模