基于微博用户兴趣话题的相似用户挖掘

相似用户挖掘是提高社交网络服务质量的重要途径，在面向大数据的社交网络时代，准确的相似用户挖掘对于用户和互联网企业等都有重要的意义，而根据用户自己的兴趣话题挖掘的相似用户更符合相似用户的要求。提出了一种基于用户兴趣话题进行相似用户挖掘的方法。该方法首先使用TextRank话题提取方法对用户进行兴趣话题提取，再对用户发表内容进行训练，计算出所有词之间的相似度。提出CP（Corresponding Position similarity）、CPW（Corresponding Position Weighted similarity）、AP（All Position similarity）、APW（All Position Weighted similarity）四种用户兴趣话题词相似度计算方法，通过用户和相似用户间关注、粉丝重合率验证相似用户挖掘效果，APW similarity的相似用户的关注/粉丝重合百分比为1.687%，优于提出的其他三种算法，分别提高了26.3%、2.8%、12.4%，并且比传统的文本相似度方法Jaccard相似度、编辑距离算法、余弦相似度分别提高了20.4%、21.2%、45.0%。因此APW方法可以更加有效地挖掘出用户的相似用户。     

李局长新华网访谈录

各位网友，大家好，在两会召开之前，根据新华网推出的网民最关注的热点问题网上调查显示，与安全相关的话题一直位居热点话题前列，网民也对此进行了热烈地讨论，显示出安全问题备受社会关注。有关专家也认为，2005年尽管我国经济、社会发展有着诸多的进步，总归看来有十大考验考验着中国，重特大矿难不断发生，安全生产备受关注就是其中之一。今天有幸邀请到了国家安全生产监督管理总局新任局长李毅中作客新华网，就此问题同网民在线交流。     

数据挖掘在农业话题跟踪中的应用

本文主要针对农业话题的特点,研究了基于粗糙集理论的启发式约简算法在其中的应用,并通实例验证了该方法的可行性和有效性,解决了农业话题跟踪的一些关键问题。     

BBS网络舆情的在线自适应话题演化模型

针对电子公告栏(BBS)内容演化过程中话题数量动态变化的特点,提出基于潜在狄利克雷分布的自适应在线话题演化模型。该模型以历史时间窗口中话题、词分布的后验线性加权调节当前时间窗口中话题、词分布的先验,给出在线新话题检测和消亡话题检测方法,自动适应数据流中的话题数量。实验结果表明,该模型能有效识别BBS内容演化过程中话题的产生与消亡,分析它们在时间和内容上的演化,及时发现热点事件。     

基于话题链的汉语语篇连贯性描述体系

汉语简洁灵活的意合型篇章组合结构,对传统的基于关联词的篇章连贯性描述体系提出了新的挑战。该文引入话题链描述形式,设计不同类型的话题评述关系集,构建了以话题链为主,融合关联词语和其他连贯形式描述机制,覆盖话题评述、并列、因果、转折四大类关系的汉语语篇连贯性描述体系。在清华句法树库TCT上进行的验证实验,发现话题链和关联词语分别覆盖了约76%和50%的汉语复句,并且两者经常同时使用,初步证明了这个体系在句子连贯性描述方面的可行性和有效性。     

特定事件微博与新闻报道话题对比研究

该文描述了基于特定事件的新闻报道和微博在话题层面的对比研究。首先利用LDA话题模型抽取两种媒体上关于特定事件的话题,然后提出了话题关注度、差异度、演化度的定义和计算公式,改进了不同媒体话题差异度的计算方法,最后,选取四个不同种类的事件,进行实验对比与分析,结果显示,关于同一事件,1)微博上评论性话题较多,话题关注度值比较接近;新闻报道上事实性话题较多,话题关注度值差异较大;2)微博与新闻报道对评论性话题词汇差异度大,事实性话题词汇差异度小;3)微博上评论性话题持续时间较长,内容变化较少;新闻报道上事实性话题持续时间较长,内容变化较少。     

话题转换方式和句子长度对边界声学参数的影响

该文研究了不同话题转换方式和句子长度对边界处停顿、边界前延长量及音高重置的影响。语料是由两个句子构成的小语篇,通过改变第二个句子控制两种句子长度(短和长)和三种话题转换方式(延续、精述和转折)。20位发音人的语音分析结果显示: (1) 话题转换方式和句子长度对停顿及音高重置都有调节作用,但对边界前词的时长延长量没有显著影响。另外,两因素间没有交互作用。主要表现为: 边界后句子越长,句间停顿越长,且边界处的音高重置越大。从话题延续、话题精述到话题转折,停顿时长呈增长趋势,且音高重置度增大; (2) 停顿时长与边界前延长量存在较弱的负相关,与音高重置则存在较弱的正相关; (3) 相较于男性发音人,女性发音人对话题转换方式更为敏感,且更倾向于用停顿和音高两种声学线索标记话题转换方式。句长效应则在男女发音人中都稳定存在。以上结果表明,句长对边界处声学参数的影响基于底层发音机制,而话题转换方式的影响则是语言中信息传递的需要。     

基于话题检测的自适应增量K-means算法

根据话题检测任务的定义和特点,本文分析了传统的增量聚类算法和K-means算法的优缺点,提出了基于话题检测的自适应增量K-means算法,设计了话题检测实验,实验结果证明了该算法提高了话题检测性能,具有良好的应用前景。     

微博观点句识别的话题影响研究

为了从海量的网络信息中迅速准确地获取评价信息,观点句识别已经成了自然语言处理的一个研究热点。现在观点句识别系统大都是基于机器学习的方法,一般使用机器学习的方法来进行分类会受到领域差异性影响。针对这个问题,该文对微博观点句识别系统是否会受到微博话题影响做了经验性研究,同时为了弥补训练数据的不足,该文通过规则方法自动标注网络数据进行了训练集的扩充。实验结果表明,微博话题间存在差异,进行分话题模型训练可以提升微博观点句识别系统的性能。     

面向综合集成研讨环境的主动信息获取方法*

针对在综合集成研讨环境中,由于存在时间压力,传统的网络信息获取方法难以直接使用,提出了一种面向综合集成研讨环境的主动信息获取方法。该方法将领域词条与通用词条相结合,从发言文本流中实时提取话题,并在话题发生变化时自动生成检索词送入搜索引擎进行检索,再通过多个用户之间的协作推荐实现对重要检索结果的筛选。实验结果表明,这种方法可为综合集成研讨系统的用户提供及时、准确、上下文相关的信息服务。