微博文本处理研究综述

被引：50

作者：

张剑峰 ^{[1
,2
]}

夏云庆 ^{[1
]}

姚建民 ^{[2
]}

机构：

[1] 清华大学

[2] 苏州大学

来源：

中文信息学报 | 2012年 / 26卷 / 04期

关键词：

微博文本; 语言分析; 文本处理;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

微博是一个基于关系的信息分享、传播以及获取平台。用户可以通过WEB、WAP以及各种客户端组件,以140字左右的文字更新信息,并实现即时分享。由于微博发展迅猛,微博文本已经形成了大规模积累,针对微博文本的研究已经成为了一个十分重要的课题。该文对微博文本进行了定义,阐述了微博文本研究的重要性,并从微博文本的不同应用领域出发,对微博文本的研究现状进行了综述,介绍了目前已经存在的微博文本数据集和应用系统。

引用

页码：21 / 27+42 +42

页数：8

共 9 条

[1] 大规模短文本的不完全聚类 [J].

彭泽映 ;

俞晓明 ;

许洪波 ;

刘春阳 .

中文信息学报, 2011, 25 (01) :54-59

[2] 一种基于语义内积空间模型的文本聚类算法 [J].

彭京 ;

杨冬青 ;

唐世渭 ;

付艳 ;

蒋汉奎 .

计算机学报, 2007, (08) :1354-1363

[3] 面向变异短文本的快速聚类算法 [J].

黄永光 ;

刘挺 ;

车万翔 ;

胡晓光 .

中文信息学报, 2007, (02) :63-68

[4]

短文本语言计算的关键技术研究[D]. 龚才春.中国科学院研究生院（计算技术研究所） 2008

[5]

大规模短文本的分类过滤方法研究[D]. 吴薇.北京邮电大学 2007

[6] Conversation Extraction in Dynamic Text Message Stream [J].

Wang, Le ;

Jia, Yan ;

Chen, Yingwen .

JOURNAL OF COMPUTERS, 2008, 3 (10) :86-93

[7]

Tweetmotif: Exploratory Search andTopic Summarization for Twitter. B. O’’Connor,M. Krieger,D. Ahn. Proceedings of ICWSM . 2010

[8]

Named Entity Recognition:Adapting toMicroblogging. B.Locke. University of Colo-rado . 2009

[9]

Twit-ter Relevance Filtering via Joint Bayes Classifiersfrom User Clustering. A.L.Churchill,E.G.Liodakis,S.H.Ye. . 2010

← 1 →