基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
微博已经成为广大用户发布和获取信息的重要渠道之一,微博平台上集聚着大量的用户群体和文本信息资源,如何从大量的微博信息中准确、有效获取微博事件关键内容至关重要.提出一种基于VSM和LDA主题模型相结合的方法,对微博文本生成自动文摘.实验结果表明,该方法能够比较准确地抽取微博文本的文摘内容,从而实现用户对实时消息的搜索.
推荐文章
基于话题集合的中文微博对比话题摘要生成
微博
话题集合
对比话题摘要
基于特征信息提取的中文自动文摘方法
自动文摘
特征信息提取
自然语言理解
基于条件随机场的中文自动文摘系统
条件随机场
自动文摘
关键词抽取
多策略中文微博细粒度情绪分析研究
细粒度情绪分析
中文微博
朴素贝叶斯
SVM
KNN
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 中文微博自动文摘生成方法
来源期刊 软件导刊 学科 工学
关键词 LDA主题模型 中文微博 自动文摘 VSM
年,卷(期) 2016,(5) 所属期刊栏目 应用技术与研究
研究方向 页码范围 160-162
页数 3页 分类号 TP319
字数 3980字 语种 中文
DOI 10.11907/rjdk.161596
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李成城 内蒙古师范大学计算机与信息工程学院 14 39 4.0 5.0
2 李方馨 内蒙古师范大学计算机与信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (54)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LDA主题模型
中文微博
自动文摘
VSM
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导