社会媒体短文本内容的语义概念关联和扩展

• 作者: 任彦 刘悦 刘盛华 王宇平 程学旗 肖永磊 赵文静
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 短文本 概念 非负矩阵分解 锚文本 语义相似度 概念消歧 Wikipedia
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 语言分析与生成
• 页码范围: 21-28
• 页数: 8页
• 分类号: TP391
• 字数: 7555字
• 语种: 中文

摘要

随着微博、照片分享等社会化媒体的快速发展,每天产生了大量的短文本内容如评论、微博等,对其进行深入挖掘有重大的应用价值和学术意义.该文选取微博作为例子,详细阐述我们提出的方法.微博信息流因其简短和实时的特性而具有非常大的价值,已经成为市场营销,股票预测、舆情监控等应用的重要信息源.尽管如此,微博内容特征极其稀疏、上下文语境提取困难,使得微博信息的挖掘面临着很大挑战.因此,我们提出一种基于Wikipedia的微博语义概念扩展方法,通过自动识别那些与微博信息语义相关的Wikipedia概念来丰富它的内容特征,从而有效提高微博信息数据挖掘和分析的效果.该文工作首先通过可链接性剪枝、概念关联和消歧,发现微博信息中重要的n-gram所对应的Wikipedia概念;其次,采用基于概念文档关联矩阵的NMF分解(非负矩阵分解)方法获取Wikipedia概念之间的语义近邻,为微博信息扩展相关的语义概念.基于TREC 2011的微博数据集和Wikipedia 2011数据集进行实验,与已有两个相关研究工作比较,该文提出的方法取得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学旗	中国科学院计算技术研究所	160	4858	31.0	67.0
2	王宇平	西安电子科技大学计算机学院	128	1633	22.0	34.0
3	刘悦	中国科学院计算技术研究所	56	565	12.0	22.0
4	任彦		8	42	4.0	6.0
5	肖永磊	中国科学院计算技术研究所	1	10	1.0	1.0
9	刘盛华	中国科学院计算技术研究所	3	19	3.0	3.0
10	赵文静	西安电子科技大学计算机学院	1	10	1.0	1.0