群聊話題檢測技術研究.pdf

1、即時消息系統(tǒng)的便捷性使得在線群聊成為了人們?nèi)粘Ｉ钪薪涣鳒贤ǖ囊粋€重要方式。但是，群聊文本存在內(nèi)容簡短、結構不規(guī)范、回復對象不明確等特點，給群內(nèi)話題的檢測帶來了挑戰(zhàn)。如何從聊天文本流中準確的檢測出群內(nèi)有價值的話題是當前研究中的一個難點和熱點問題。本文針對群聊話題檢測中的兩個關鍵問題：如何緩解聊天文本向量稀疏性和解決聊天話題交叉性展開了研究。
　　首先，為了降低了聊天短文本的稀疏性和奇異性對話題檢測技術性能的影響，將具有回復關系的聊

2、天文本拼接在一起作為整體處理，提出了一種基于隱式回復特征的群聊話題檢測方法。提出的方法從大量真實的群聊記錄中總結提取出聊天文本中存在的隱式回復特征，借助隱式回復特征發(fā)現(xiàn)群會話中的起始信息，以起始信息作為群聊文本流的分割點，將得到的文本流片段視為一個長文本，在長文本的基礎上進行聊天文本聚類得到話題。實驗結果表明，基于隱式回復特征的群聊話題檢測方法能夠有效的緩解聊天文本向量稀疏性帶來的挑戰(zhàn)，其F-measure值達到0.595，比基于歷史統(tǒng)

3、計信息的方法提高了6％，比傳統(tǒng)的基于文本相似度的方法提高了22%。
　　其次，為了降低話題交叉性對話題檢測技術性能的影響，引入了多話題窗口機制來準確的定位回復信息的回復對象，提出了一種基于多話題窗口的群聊話題檢測方法。提出的方法用多話題窗口保存群會話中最近討論的K個話題，當系統(tǒng)讀入新的消息文本時，借助隱式回復特征和文本相似度來確定新消息是否是對多話題窗口中的某個話題的回復，如果存在回復對象，將新消息文本加入該話題對象中，否則，向前