面向微博用戶的標簽自動生成技術研究.pdf

1、近年來,微博服務作為新型的互聯(lián)網(wǎng)應用,受到了越來越多用戶的關注。在自然語言處理、信息檢索和社會計算等相關領域,針對微博的研究工作也在逐漸開展和積累中。微博用戶標簽,作為描述用戶興趣愛好、職業(yè)領域特征等的載體,在用戶組織和搜索,挖掘用戶興趣、實現(xiàn)微博上的個性化等方面有著重要的作用。
　　本文著眼于基于微博內(nèi)容的用戶標簽自動生成,借助對內(nèi)容的分析,生成能夠體現(xiàn)用戶興趣的標簽。
　　本文通過新浪微博API隨機獲取了百萬級規(guī)模的標簽

2、相關數(shù)據(jù),用于分析用戶標簽在統(tǒng)計、語義等方面的特征。同時,我們對基于文本的標簽源:用戶的原創(chuàng)、轉(zhuǎn)發(fā)、評論和收藏微博的語義相似度及其對反映用戶興趣的貢獻進行了實驗和分析,結果表明標簽源間的語義相似度并不高;而轉(zhuǎn)發(fā)微博更能體現(xiàn)用戶興趣,評論最差,從而也確定了本文中生成標簽的文本來源。
　　本文從生成標簽的不同粒度出發(fā),分別從基于關鍵詞和基于類別的角度自動生成微博用戶標簽。對生成結果的評價準則有兩條:一是生成結果是否準確體現(xiàn)了用戶興趣;

3、二是生成結果是否適合作為用戶標簽。
　　在基于關鍵詞的生成方法中,引入了基于TextRank的標簽生成方法,通過分析微博中詞語的共現(xiàn)關系,構建詞語網(wǎng)絡,抽取較為重要的詞用于標簽生成。為了使生成的標簽能在更多的維度上體現(xiàn)用戶興趣,接著提出了基于聚類分析的生成方法,從較重要的聚類簇中提取代表詞用于標簽生成。實驗表明,兩種方法都優(yōu)于我們的baseline。同時,我們也對兩種方法進行了討論、對比和分析。
　　在基于類別的生成方法中,