[发明专利]一种基于特征增强的微博话题检测方法

摘要

本发明公开了一种基于特征增强的微博话题检测方法。本发明针对微博话题检测存在的问题，从微博的时间特性和微博语义相似度出发对特征进行了增强，提升了Single‑Pass算法在微博话题检测场景下的表现。本发明通过将微博的时间特性融入到微博文本特征的相似度计算中，提高了属于同一话题的微博内容在时间维度上的关联度；通过使用分布式词向量表示微博，并利用其中的语义关系来增强微博关键特征，解决了微博特征稀疏的问题；为了减少了话题检测时微博与话题簇的比较次数，提出用于表示话题簇的“簇中心”概念，并围绕该概念进行计算。实验结果显示本发明简单易行，使用效果好，可以为微博话题检测提供实用方法。

主权项

1.一种基于特征增强的微博话题检测方法，其特征在于，包括如下步骤：1)微博文本预处理，包括：1.1)去除超短微博；1.2)过滤无意义信息；1.3)分词和词性标注；2)微博文本向量化，包括：2.1)特征词向量表示；2.2)基于特征词语义增强的微博文本表示；3)微博文本聚类，包括：3.1)话题簇表示和基于时间衰减的微博文本相似度计算标准；3.2)基于Single‑Pass算法进行微博文本聚类；3.3)输出话题簇。