[发明专利]一种基于语义、时间和社交关系的中文微博话题检测方法及系统无效
| 申请号： | 201910631312.5 | 申请日： | 2019-07-12 |
| 公开（公告）号： | CN110489548A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 杜军平;薛哲;程鹏超;寇菲菲 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于语义、时间和社交关系的中文微博话题检测方法及系统，用以解决话题检测中微博数据由于文本短小、口语化和一词多义等缺点导致的话题检测效果不佳的问题，该方法包括步骤：采集一定时间间隔上的相关话题的微博数据；使用预训练语言模型BERT(Bidirectional Encoder Representation from Transformers)在采集的微博数据上进行预训练；通过预训练好的BERT模型对微博文本进行向量化表示，得到基于上下文语义的微博语义表示；提出综合考虑时间因素和微博之间转发关系的文本聚类算法，从而解决传统微博话题检测仅考虑文本语义相似的问题。本发明主要用于微博搜索的任务，利用相关微博的话题检测结果来提高微博搜索命中率。 | ||
| 搜索关键词： | 微博 话题检测 搜索 文本 采集 上下文语义 社交关系 时间因素 文本聚类 文本语义 语言模型 语义表示 综合考虑 语义 口语化 向量化 命中率 多义 算法 转发 中文 话题 | ||
【主权项】：
1.一种基于语义、时间和社交关系的中文微博话题检测方法，其特征在于，所述方法包括以下步骤：/nS1.微博数据的预处理：去除已有微博数据集文本中的无效信息、无用字符和停用词等，并构建预训练语言模型BERT(Bidirectional Encoder Representation fromTransformers)的输入，即将微博数据预处理成为文本字集；/nS2.微博文本的表示学习：利用预处理好的微博文本字集对BERT模型进行预训练，通过BERT模型基于MLM(Masked Language Model)训练的机制，可以得到具有丰富语义信息的微博文本向量表示；/nS3.微博话题的检测：使用提出的综合考虑时间因素和微博之间转发关系的文本聚类算法，对微博话题检测数据集进行话题的自动检测，从而得到微博数据集中的话题内容。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学，未经北京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910631312.5/，转载请声明来源钻瓜专利网。
