基于词向量语义聚类的微博热点挖掘方法

计算机工程与科学

基于词向量语义聚类的微博热点挖掘方法

刘培磊，唐晋韬，王挺，谢松县，岳大鹏，刘海池

（国防科技大学计算机学院,湖南长沙 410073）

收稿日期:2016-03-29 修回日期:2016-06-07 出版日期:2018-02-25 发布日期:2018-02-25
基金资助:
国家自然科学基金（61532001，61472436）

A Twitter hotspot mining method based on

sematic clustering of word vectors

LIU Pei-lei,TANG Jin-tao,WANG Ting,XIE Song-xian,YUE Da-peng,LIU Hai-chi

（College of Computer,National University of Defense Technology,Changsha 410073,China）

Received:2016-03-29 Revised:2016-06-07 Online:2018-02-25 Published:2018-02-25

摘要/Abstract

摘要：

随着社交媒体的迅速发展，信息过载问题越发严重，因此如何从海量、短小而充满噪声的社交媒体数据中发现和挖掘出热点话题或者热点事件成为一个重要的问题。结合社交媒体数据实时性、地理性、包含较多元数据等特点，提出了用户行为分析与文本内容分析相结合的热点挖掘方法。在内容分析过程中，提出了从更细的词语粒度进行聚类，以代替传统的在消息粒度进行聚类的经典方法。为了提高话题关键词提取的效果，引入了基于词向量技术，并通过语义聚类的方法进行热点挖掘。在真实数据集上的实验结果表明，该方法提取的关键词语义关联性强、话题划分效果好，在主要指标上优于传统的热点挖掘方法。

关键词: 热点挖掘, 社交媒体, 词向量, 语义聚类

Abstract:

With the rapid development of social media, information overloading becomes a challenge. As a result, how to mining hotspots automatically from so many short and noisy data is an important problem. Social data are real-time and geographic, which usually contain plenty of meta-information. According to these characteristics, this paper proposes a hotspot mining method, which combines user’s behavior patterns and text content analysis. In the process of content analysis, we cluster text on the word scale rather than message scale. Besides, sematic clustering technology of word vectors is used for promoting the performance of keywords extraction. Experimental results on real datasets show that this method is better than traditional methods. Specifically, keywords extracted by this method have strong semantic relevance and good topic segmentation, which are superior to the traditional hot-spot mining methods on the main indexes.

Key words: hotspot mining, Twitter, word embedding, semantic clustering

刘培磊，唐晋韬，王挺，谢松县，岳大鹏，刘海池.

基于词向量语义聚类的微博热点挖掘方法

[J]. 计算机工程与科学.

LIU Pei-lei,TANG Jin-tao,WANG Ting,XIE Song-xian,YUE Da-peng,LIU Hai-chi.

A Twitter hotspot mining method based on

sematic clustering of word vectors

[J]. Computer Engineering & Science.

[1]	喻金平, 朱伟锋, 廖列法. 基于RoBERTa-wwm-BiLSTM-CRF的扶持政策文本实体识别研究[J]. 计算机工程与科学, 2023, 45(08): 1498-1507.
[2]	排日旦·阿布都热依木, 吐尔地·托合提, 艾斯卡尔·艾木都拉, . 基于深度学习的实体关系抽取方法研究[J]. 计算机工程与科学, 2023, 45(05): 895-902.
[3]	董芃杉, 张晶, 金日泽. 基于双通道门控复合网络的中文产品评论情感分析[J]. 计算机工程与科学, 2023, 45(05): 911-919.
[4]	段玲, 郭军军, 余正涛, 相艳, . 基于正文和评论交互注意的微博案件方面识别[J]. 计算机工程与科学, 2022, 44(06): 1097-1104.
[5]	周忠宝, 朱文静, 王皓, 郭修远, 王立峰. 基于弹幕文本挖掘的社交媒体KOL研究[J]. 计算机工程与科学, 2022, 44(03): 521-529.
[6]	闫雄, 段跃兴, 张泽华. 采用自注意力机制和CNN融合的实体关系抽取[J]. 计算机工程与科学, 2020, 42(11): 2059-2066.
[7]	李超, 严馨, 谢俊, 徐广义, 周枫, 莫源源, . 基于HDP的主题词向量构造——以柬语为例[J]. 计算机工程与科学, 2020, 42(06): 1111-1119.
[8]	蒋亚芳, 严馨, 徐广义, 周枫, 邓忠莹, . 融合多信息句子图模型的多文档摘要抽取[J]. 计算机工程与科学, 2020, 42(03): 535-542.
[9]	孙燕, 孙茂松, 赵海兴, 冶忠林, . 表示学习中句子与随机游走序列等价性的一种新证明[J]. 计算机工程与科学, 2020, 42(02): 373-380.
[10]	李俭兵1,2,3,刘栗材1,3. 基于改进型神经网络的影评文本情感分析算法[J]. 计算机工程与科学, 2019, 41(12): 2261-2269.
[11]	申强强，熊泽宇，熊岳山. 一种新的基于段向量的文本自动摘要方法[J]. 计算机工程与科学, 2019, 41(06): 1064-1070.
[12]	柳路芳1，李波1，陈鹏1，周凌寒1，王兵2. 基于词向量与可比语料库的双语词典提取研究[J]. 计算机工程与科学, 2018, 40(02): 368-373.
[13]	刘梦兰1,2，刘斌1,2,彭智勇1,2. 基于词向量的专利自动扩展查询研究[J]. 计算机工程与科学, 2017, 39(12): 2297-2305.
[14]	刘义红1，2,朱琛2,祝恒书3. 一种基于词序的社会情感演变分析模型[J]. J4, 2015, 37(11): 2175-2181.
[15]	熊芳1，黄宏斌2，黄玉成1，冯嵩1，胡建中1. 一种基于语义相似度的信息资源语义聚类算法[J]. J4, 2012, 34(11): 175-179.