本發(fā)明專利技術(shù)提出了一種微博信息追蹤方法和一種微博信息追蹤裝置，其中微博信息追蹤方法包括預(yù)設(shè)訓(xùn)練集合，其中，訓(xùn)練集合包括至少一個(gè)話題、前景語料和背景語料，前景語料為在話題發(fā)生的時(shí)間戳之后發(fā)布的信息，背景語料為在話題發(fā)生的時(shí)間戳之前發(fā)布的微博信息；獲取話題的前景語料中每一條微博信息的文本特征、相關(guān)反饋特征和相關(guān)性特征，以得到有關(guān)于訓(xùn)練集合的特征集合；根據(jù)特征集合訓(xùn)練生成話題追蹤模型；使用話題追蹤模型對(duì)需進(jìn)行追蹤的微博信息進(jìn)行追蹤。本發(fā)明專利技術(shù)能夠從海量的實(shí)時(shí)微博信息流中過濾出與話題相關(guān)的微博信息，提高話題追蹤的準(zhǔn)確率。
【技術(shù)實(shí)現(xiàn)步驟摘要】
【專利摘要】本專利技術(shù)提出了一種微博信息追蹤方法和一種微博信息追蹤裝置，其中微博信息追蹤方法包括預(yù)設(shè)訓(xùn)練集合，其中，訓(xùn)練集合包括至少一個(gè)話題、前景語料和背景語料，前景語料為在話題發(fā)生的時(shí)間戳之后發(fā)布的信息，背景語料為在話題發(fā)生的時(shí)間戳之前發(fā)布的微博信息；獲取話題的前景語料中每一條微博信息的文本特征、相關(guān)反饋特征和相關(guān)性特征，以得到有關(guān)于訓(xùn)練集合的特征集合；根據(jù)特征集合訓(xùn)練生成話題追蹤模型；使用話題追蹤模型對(duì)需進(jìn)行追蹤的微博信息進(jìn)行追蹤。本專利技術(shù)能夠從海量的實(shí)時(shí)微博信息流中過濾出與話題相關(guān)的微博信息，提高話題追蹤的準(zhǔn)確率。【專利說明】微博信息追蹤方法和微博信息追蹤裝置
本專利技術(shù)涉及計(jì)算機(jī)
，具體而言，涉及微博信息追蹤方法和微博信息追蹤 裝直。
技術(shù)介紹
近年來，隨著移動(dòng)互聯(lián)網(wǎng)在世界范圍內(nèi)的迅速普及和蓬勃發(fā)展，實(shí)時(shí)的互聯(lián)網(wǎng)絡(luò)在人們的日常生活中越來越普遍。作為一種新興的社交網(wǎng)絡(luò)媒體，微博客(簡(jiǎn)稱微博)，正逐漸取代博客，成為人們分享、傳播和獲取信息的新平臺(tái)，典型的代表有美國(guó)注明微博客Twitter和國(guó)內(nèi)的新浪微博。微博客是一種廣播形式的博客，用戶可以隨時(shí)隨地用140個(gè)字符以內(nèi)的內(nèi)容發(fā)表自己的狀態(tài)，分享自己感興趣的新聞。其實(shí)時(shí)性、易用性以及社會(huì)化的特性使得微博在互聯(lián)網(wǎng)上得到用戶的青睞。據(jù)數(shù)據(jù)統(tǒng)計(jì)，美國(guó)著名微博客Twitter，其每日更新的微博數(shù)超過了 5億條。而在中國(guó)國(guó)內(nèi)，據(jù)CNNIC《第32次中國(guó)互聯(lián)網(wǎng)發(fā)展?fàn)顩r調(diào)查報(bào)告》顯示，截至2013年6月底，中國(guó)微博用戶數(shù)量達(dá)到3.31億。作為一種互動(dòng)性和傳播性極強(qiáng)的社交網(wǎng)絡(luò)，當(dāng)一個(gè)事件發(fā)生的時(shí)候，微博會(huì)在極短的時(shí)間里產(chǎn)生海量的數(shù)據(jù)信息。在這種實(shí)時(shí)快速更新的宏大信息流中，用戶想了解自己所感興趣的事件的進(jìn)展，希望系統(tǒng)能夠?qū)τ谠掝}的動(dòng)態(tài)進(jìn)行實(shí)時(shí)跟蹤。而微博的實(shí)時(shí)性、社會(huì)化以及碎片化特征給微博環(huán)境下的話題追蹤帶來了巨大的挑戰(zhàn)。與傳統(tǒng)新聞媒體以及博客環(huán)境下話題追蹤一樣，微博環(huán)境下與話題相關(guān)的微博追蹤也面臨著初始語料不足以及話題偏移的挑戰(zhàn)。因此傳統(tǒng)的話題追蹤的技術(shù)，比如Rocchio算法、邏輯斯蒂回歸算法都可以應(yīng)用到微博環(huán)境下的話題追蹤中。但是，與傳統(tǒng)新聞媒體和博客環(huán)境下的話題追蹤相比，微博環(huán)境下的話題追蹤是不相同的。首先微博的內(nèi)容更加短小精悍，更加碎片化，通常只允許用戶發(fā)表140個(gè)字符以內(nèi)的內(nèi)容。相比傳統(tǒng)新聞媒體和博客，我們更難準(zhǔn)確地獲取微博的主題信息。其次，用戶在所編輯的微博內(nèi)容中不僅可以包含文本的內(nèi)容，而且可以包含圖片及視頻的鏈接或其他網(wǎng)頁形式的鏈接來補(bǔ)充說明所要發(fā)表的內(nèi)容。與此同時(shí)，用戶還可以在微博中使用#符號(hào)來表明微博所屬的主題，使得相似的信息能更快、更好地聚集在一起，從而方便信息的有效獲取。除此之外，用戶還可以通過@符號(hào)、RT符號(hào)和其他用戶進(jìn)行互動(dòng)，使得信息在用戶之間能更快地傳遞。這些社交特性是傳統(tǒng)新聞媒體和博客中不存在的。再次，相對(duì)于傳統(tǒng)的博客，用戶在微博中所發(fā)布的主題也更為寬泛和隨意，可以是用戶當(dāng)前的狀態(tài)，對(duì)特定話題的關(guān)注，甚至可以是簡(jiǎn)單的別人微博的轉(zhuǎn)發(fā)。微博的用戶人群也比傳統(tǒng)的博客更加多元化，因此每一條微博并不是像博客那樣有比較高的質(zhì)量，其質(zhì)量是參差不齊的。由于微博的特殊性，因此傳統(tǒng)的話題追蹤的技術(shù)不適用于微博環(huán)境。因此，如何解決微博環(huán)境下與話題相關(guān)的微博追蹤稱為亟待解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
基于上述
技術(shù)介紹
出現(xiàn)的技術(shù)問題，本專利技術(shù)提供了一種信息追蹤技術(shù)，可應(yīng)用于微博環(huán)境中，提高追蹤與話題相關(guān)的微博信息的準(zhǔn)確率。根據(jù)本專利技術(shù)的一個(gè)方面，提供了一種微博信息追蹤方法，包括:預(yù)設(shè)訓(xùn)練集合，其中，所述訓(xùn)練集合包括至少一個(gè)話題、前景語料和背景語料，所述前景語料為在所述話題發(fā)生的時(shí)間戳之后發(fā)布的微博信息，所述背景語料為在所述話題發(fā)生的時(shí)間戳之前發(fā)布的微博信息；獲取所述話題的前景語料中每一條微博信息的文本特征、相關(guān)反饋特征和相關(guān)性特征，以得到有關(guān)于所述訓(xùn)練集合的特征集合；根據(jù)所述特征集合訓(xùn)練生成話題追蹤模型；使用所述話題追蹤模型對(duì)需進(jìn)行追蹤的微博信息進(jìn)行追蹤。本專利技術(shù)典型的應(yīng)用場(chǎng)景是微博環(huán)境，對(duì)預(yù)先設(shè)置的訓(xùn)練集合進(jìn)行特征提取，得到特征集合，在該特征集合中，微博信息的文本特征反應(yīng)了微博信息的語義信息和質(zhì)量信息，而微博信息的相關(guān)反饋特征反應(yīng)了與當(dāng)前時(shí)間點(diǎn)最鄰近且與話題相關(guān)的微博信息的相關(guān)性，因此基于該特征集合生成的話題追蹤模型能夠解決微博環(huán)境下話題偏移的問題，變相地進(jìn)行了查詢擴(kuò)展，并且從海量的實(shí)時(shí)微博信息流中過濾出與話題相關(guān)的微博信息，可以提高微博環(huán)境下話題追蹤的準(zhǔn)確率，對(duì)網(wǎng)絡(luò)用戶有著重要的現(xiàn)實(shí)意義。根據(jù)本專利技術(shù)的另一方面，還提供了一種微博信息追蹤裝置，包括:設(shè)置單元，預(yù)設(shè)訓(xùn)練集合，其中，所述訓(xùn)練集合包括至少一個(gè)話題、前景語料和背景語料，所述前景語料為在所述話題發(fā)生的時(shí)間戳之后發(fā)布的微博信息，所述背景語料為在所述話題發(fā)生的時(shí)間戳之前發(fā)布的微博信息；特征集合獲取單元，獲取所述話題的前景語料中每一條微博信息的文本特征、相關(guān)反饋特征和相關(guān)性特征，以得到有關(guān)于所述訓(xùn)練集合的特征集合；微博話題追蹤模型生成單元，根據(jù)所述特征集合訓(xùn)練生成微博話題追蹤模型；追蹤單元，使用所述微博話題追蹤模型對(duì)需進(jìn)行追蹤的微博信息進(jìn)行追蹤。本專利技術(shù)典型的應(yīng)用場(chǎng)景是微博環(huán)境，對(duì)預(yù)先設(shè)置的訓(xùn)練集合進(jìn)行特征提取，得到特征集合，在該特征集合中，微博信息的文本特征反應(yīng)了微博信息的語義信息和質(zhì)量信息，而微博信息的相關(guān)反饋特征反應(yīng)了與當(dāng)前時(shí)間點(diǎn)最鄰近且與話題相關(guān)的微博信息的相關(guān)性，因此基于該特征集合生成的話題追蹤模型能夠解決微博環(huán)境下話題偏移的問題，變相地進(jìn)行了查詢擴(kuò)展，并且從海量的實(shí)時(shí)微博信息流中過濾出與話題相關(guān)的微博信息，可以提高微博環(huán)境下話題追蹤的準(zhǔn)確率，對(duì)網(wǎng)絡(luò)用戶有著重要的現(xiàn)實(shí)意義。【專利附圖】【附圖說明】圖1示出了根據(jù)本專利技術(shù)的實(shí)施例的微博信息追蹤方法的示意流程圖；圖2示出了根據(jù)本專利技術(shù)的實(shí)施例的生成特征集合方法的流程圖；圖3示出了根據(jù)本專利技術(shù)的實(shí)施例的微博信息追蹤過程的示意圖；圖4示出了根據(jù)本專利技術(shù)的實(shí)施例的提取擴(kuò)展主題信息的流程圖；圖5示出了根據(jù)本專利技術(shù)的實(shí)施例的微博信息追蹤裝置的框圖。【具體實(shí)施方式】為了能夠更清楚地理解本專利技術(shù)的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本專利技術(shù)進(jìn)行進(jìn)一步的詳細(xì)描述。需要說明的是，在不沖突的情況下，本申請(qǐng)的實(shí)施例及實(shí)施例中的特征可以相互組合。在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本專利技術(shù)，但是，本專利技術(shù)還可以采用其他不同于在此描述的其他方式來實(shí)施，因此，本專利技術(shù)并不限于下面公開的具體實(shí)施例的限制。在具體闡述根據(jù)本專利技術(shù)的話題追蹤方法之前，首先定義以下名詞:話題:每個(gè)事件都是一個(gè)話題，用若干個(gè)關(guān)鍵詞表示，每個(gè)話題都有其發(fā)生時(shí)的時(shí)間戳。觸發(fā)微博:時(shí)間最早討論該話題的微博被稱為觸發(fā)微博。背景語料:在話題發(fā)生的時(shí)間戳之前發(fā)布的微博集合被稱為背景語料。前景語料:在話題發(fā)生的時(shí)間戳之后發(fā)布的微博集合被稱為前景語料。訓(xùn)練集合:該集合包含了一個(gè)話題集合，同時(shí)對(duì)于每個(gè)話題，該訓(xùn)練集合還包含了標(biāo)注了是否與該話題相關(guān)的微博集合。圖1示出了根據(jù)本專利技術(shù)的實(shí)施例的微博信息追蹤方法的示意流程圖。如圖1所示，根據(jù)本專利技術(shù)的實(shí)施例的微博信息追蹤方法，可以包括以下步驟:步驟102，預(yù)設(shè)訓(xùn)練集合本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種微博信息追蹤方法，其特征在于，包括：預(yù)設(shè)訓(xùn)練集合，其中，所述訓(xùn)練集合包括至少一個(gè)話題、前景語料和背景語料，所述前景語料為在所述話題發(fā)生的時(shí)間戳之后發(fā)布的微博信息，所述背景語料為在所述話題發(fā)生的時(shí)間戳之前發(fā)布的微博信息；獲取所述話題的前景語料中每一條微博信息的文本特征、相關(guān)反饋特征和相關(guān)性特征，以得到有關(guān)于所述訓(xùn)練集合的特征集合；根據(jù)所述特征集合訓(xùn)練生成話題追蹤模型；使用所述話題追蹤模型對(duì)需進(jìn)行追蹤的微博信息進(jìn)行追蹤。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：洪毅虹，費(fèi)躍，楊建武，
申請(qǐng)(專利權(quán))人：北京大學(xué)，北大方正集團(tuán)有限公司，北京北大方正電子有限公司，
類型：發(fā)明
國(guó)別省市：北京;11
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。