利用关联开放数据识别微博话题

社交媒体的广泛使用用于分享与获取信息，催生了话题检测模型的发展，以助理解海量短小且分散的帖子。概率话题模型（如 Latent Dirichlet Allocation）以及基于矩阵分解的方法（如 Latent Semantic Analysis 与 Non-negative Matrix Factorization）将话题表示为对许多自动化处理有用的词项集合。然而，确定话题关于什么被留作后续任务。另一方面，生成摘要的技术人类可理解，但较不适于自动化处理。本文提出一种利用关联开放数据（LOD）资源从微帖子集合中抽取语义表示话题的方法。所提方法利用实体链接从微帖子中识别话题元素。这些元素通过共现图相关联，经处理产生话题。话题使用为此目的引入的本体表示。该方法的原型用于从 11 个数据集识别话题，这些数据集包含在各类事件（如 2016 年美国大选辩论与 Carrie Fisher 去世）期间从 Twitter 收集的逾百万帖子。详细描述了该方法的特征及逾五千个生成话题。语义话题在揭示否则不易观测的信息方面的潜力通过不同复杂度的语义查询得以展示。对 36 个随机选取区间话题的人工评估得出 81.0% 准确率与 93.3% 的 F1 分数。此外，将其与从同一数据集由一种从微帖集合生成人类可读话题的方法所生成的话题进行比较。