中文微博文本采集与预处理综述

• 作者: 孔雪娜 孙红
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 数据挖掘 网页爬虫 微博信息采集 文本预处理 文本分词
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 综述
• 页码范围: 186-189
• 页数: 4页
• 分类号: TP301
• 字数: 4975字
• 语种: 中文
• DOI: 10.11907/rjdk.162753

摘要

随着微博的迅猛发展,微博相关方向的数据挖掘已经成为研究热点.而如何高效、完整地采集微博信息并对其进行预处理,将大大影响微博数据挖掘的效率与效果.对基于API与网页爬虫的微博信息采集方式及其研究现状进行了归纳总结,并按照中文微博文本预处理过程归纳总结了信息过滤、中文文本分词、特征表示与选择等预处理方法研究现状.最后对未来微博信息采集及处理的发展方向进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙红	上海理工大学光电信息与计算机工程学院	64	316	10.0	12.0
5	孔雪娜	上海理工大学光电信息与计算机工程学院	2	12	2.0	2.0