基于语义相似度的论坛话题追踪方法

计算机应用 ›› 2011, Vol. 31 ›› Issue (01): 93-96.

基于语义相似度的论坛话题追踪方法

席耀一¹,林琛²,李弼程³,周杰³,许旭阳¹

1. 解放军信息工程大学信息工程学院
2. 解放军信息工程大学信息工程学院信息科学系
3. 信息工程大学信息工程学院

收稿日期:2010-06-07 修回日期:2010-07-19 发布日期:2011-01-12 出版日期:2011-01-01
通讯作者: 席耀一
基金资助:
网络舆情态势分析与预警关键技术研究

Method for BBS topic tracking based on semantic similarity

Received:2010-06-07 Revised:2010-07-19 Online:2011-01-12 Published:2011-01-01
Contact: Xi Yaoyi

摘要/Abstract

摘要： 现有的话题追踪方法大多面向新闻数据，将其应用于论坛时效果不够理想。结合论坛的特点，提出一种基于语义相似度的论坛话题追踪方法。该方法首先通过构建话题和帖子的关键词表建立其文本表示模型，然后利用知网计算两个关键词表的语义相似度并以此作为帖子与话题的相关程度，最后根据相关程度实现论坛话题追踪。该方法较好地避免了向量空间模型的缺陷。实验表明，该方法能比较有效地解决面向论坛的话题追踪问题。

关键词: 话题追踪, 论坛, 关键词, 语义相似度, 向量空间模型

Abstract: To study the BBS topic tracking problem, the paper discovered that most of the traditional methods of topic tracking deal with news reports, and they aren’t appropriate when they are applied to BBS. The paper utilizes the characteristics of BBS and presents a topic tracking method for BBS data based on semantic similarity. This method firstly constructs keywords tables of topic and post as their representation models, then computes the two tables’ semantic similarity with the help of HowNet which is served as correlation degree between post and topic. Finally, this method uses the correlation degree to realize BBS-oriented topic tracking. This method effectively avoids the shortage of Vector Space Model. The Experiment results show that this method can solve the problem of BBS-oriented topic tracking effectively.

Key words: Topick Tracking, BBS, key words, semantic similarity, Vector Space Model(VSM)

席耀一林琛李弼程周杰许旭阳. 基于语义相似度的论坛话题追踪方法[J]. 计算机应用, 2011, 31(01): 93-96.

[1]	孙晓玲, 王丹辉, 李姗姗. 基于区块链的动态密文排序检索方案[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2500-2505.
[2]	赵浩宇, 于自强, 陈晓萌, 陈国祥, 朱慧, 李博涵. 支持关键词搜索的top-K条最优路线查询问题[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2455-2465.
[3]	杨冬菊, 胡成富. 基于改进TextRank的科技文本关键词抽取方法[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1720-1726.
[4]	高芸芸, 赵腊生, 张强. 基于双向长短时记忆和卷积Transformer的声学词嵌入模型[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 123-128.
[5]	陆佳行, 戴华, 刘源龙, 周倩, 杨庚. 面向云环境密文排序检索的字典划分向量空间模型[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 1994-2000.
[6]	宋文帅, 邓淼磊, 马米米, 李昊宸. 可搜索公钥加密研究进展[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 794-803.
[7]	汪锦云, 向阳. 基于关键词图表示的文本语义去重算法[J]. 《计算机应用》唯一官方网站, 2023, 43(10): 3070-3076.
[8]	庞晓琼, 王云婷, 陈文俊, 姜攀, 高亚楠. 基于区块链的公平可验证的多关键词密文排序检索[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 130-139.
[9]	赵小虎, 赵成龙. 基于多特征语义匹配的知识库问答系统[J]. 计算机应用, 2020, 40(7): 1873-1878.
[10]	李鸣, 郭晨皓, 陈星. 视觉类深度神经网络的自动标注[J]. 计算机应用, 2020, 40(6): 1593-1600.
[11]	庞晓琼, 严小龙, 陈文俊, 余本国, 聂梦飞. 支持语义扩展的动态多关键词密文排序检索[J]. 计算机应用, 2019, 39(4): 1059-1065.
[12]	戴厚乐, 杨庚, 闵兆娥. 分布式环境下多关键词并行密文检索方案[J]. 计算机应用, 2019, 39(10): 2948-2954.
[13]	白平, 张薇, 李聪, 王绪安. 支持用户撤销的可验证密文检索方案[J]. 计算机应用, 2018, 38(6): 1640-1643.
[14]	闫小勇, 李青. 基于最佳路径搜索的二进制协议格式关键词边界确定方法[J]. 计算机应用, 2018, 38(6): 1726-1731.
[15]	杨宏宇, 王玥. 云存储环境下的多关键字密文搜索方法[J]. 计算机应用, 2018, 38(2): 343-347.