基于社會媒體內容和網絡拓撲的特定話題推特摘要研究
摘要：推特摘要旨在從話題相關的社會媒體短文本中提煉概要的推文集,以獲取有效信息,可用于輿情監控、競爭情報分析及電子商務等.然而社會媒體的海量、嘈雜及不規范性使得僅依賴純文本的傳統摘要方法難以直接遷移到社交媒體情景中;而現有的推特摘要方法很少考慮數據稀疏性和社會網絡傳播帶來的強冗余性,鮮有通過挖掘推文之間潛在的社會網絡結構關系進行文摘內容選擇,忽略了信息可以沿著社交網絡進行傳播.受壓縮感知及社會學理論的啟發,該文提出基于社會網絡和稀疏重構的推特摘要方法(SNSR)以更好地融合社會媒體內容和結構信息.首先,挖掘推文中隱含的摘要模式,將其建模為組稀疏正則項,以捕捉代表性的推特摘要組合;其次,建模社會網絡中表達一致性與表達傳染性為社會化正則項,以探索推文之間的潛在網絡結構關系在推特摘要中的作用;再次,建模社會媒體信息傳播帶來的強冗余性為多樣性正則項,進而將這些約束整合到稀疏重構的推特摘要框架中;最后,提出基于Nesterov加速梯度下降的推特摘要算法,以解決推特摘要優化框架中的覆蓋性、稀疏性以及多樣性等問題.同時,由于推特摘要標準語料的缺乏,作者建設了12個話題的評測數據集.相關的實驗結果證明了文中提出方法的有效性.
注: 保護知識產權,如需閱讀全文請聯系計算機學報雜志社
相關推薦
更多
