基于词向量的微博事件追踪方法

• 作者: 唐浩浩 席耀一 张佳明 李天彩 王波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 微博 事件追踪 短文本 Skip-gram模型 词向量 语义信息
• 年，卷（期）: 2016,（17）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 73-78,117
• 页数: 7页
• 分类号: TP391
• 字数: 6487字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1412-0144

摘要

微博文本长度短，且网络新词层出不穷，使得传统方法在微博事件追踪中效果不够理想。针对该问题，提出一种基于词向量的微博事件追踪方法。词向量不仅可以计算词语之间的语义相似度，而且能够提高微博间语义相似度计算的准确率。该方法首先使用Skip-gram模型在大规模数据集上训练得到词向量；然后通过提取关键词建立初始事件和微博表示模型；最后利用词向量计算微博和初始事件之间的语义相似度，并依据设定阈值进行判决，完成事件追踪。实验结果表明，相比传统方法，该方法能够充分利用词向量引入的语义信息，有效提高微博事件追踪的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	席耀一	解放军信息工程大学信息系统工程学院	14	100	6.0	9.0
2	唐浩浩	解放军信息工程大学信息系统工程学院	5	67	4.0	5.0
3	王波	解放军信息工程大学信息系统工程学院	19	157	7.0	12.0
4	张佳明	解放军信息工程大学信息系统工程学院	3	40	3.0	3.0
5	李天彩	解放军信息工程大学信息系统工程学院	6	58	4.0	6.0