1、隨著微博的日趨流行，它已經(jīng)成為市場營銷、情報工作和名譽管理等行業(yè)的重要信息來源。Twitter等微博網(wǎng)站日漸成為海量數(shù)據(jù)信息的發(fā)布平臺，對微博的研究逐漸從挖掘單一的用戶關(guān)系向挖掘微博自身的內(nèi)容進行轉(zhuǎn)變。由于微博用語具有隨意性、創(chuàng)造性以及長度受限等特點，機器通過語義分析來智能的理解微博內(nèi)容的真實含義至今仍然具有很大的挑戰(zhàn)。
　　現(xiàn)有的微博文本概念擴展方法較少。已有方法大都需要提取非常多的文本特征且僅考慮到局部詞語之間的關(guān)系。由于微博

2、概念擴展的核心是判斷概念詞與微博本身關(guān)系的緊密程度，因此本文從微博整體出發(fā)，將微博中的所有關(guān)鍵詞語看作一個整體，從而將微博中所有關(guān)鍵詞語組成的語義近似于微博本身的語義。
　　本文的主要工作如下：
　　1.為了更好地理解微博中的信息，我們提出了一種基于維基百科的概念擴展方法來為微博內(nèi)容增加語義。該方法首先在維基百科中自動識別出與微博語義相關(guān)的概念，然后對這些增加的概念做進一步的數(shù)據(jù)挖掘，以減少人工檢查和篩選的勞動量。具體來說，

3、該方法采用了消歧模型計算維基百科中概念之間的語義相似度，然后基于得到的語義關(guān)系為微博增加相關(guān)的維基百科概念。通過實驗對該方法進行了測試，并同基于互信息的方法作了比較。實驗結(jié)果表明本文提出的基于詞義消歧的方法是可行且有效的。
　　2.本文通過充分利用維基百科中的類別網(wǎng)和內(nèi)部鏈接所包含的語義信息來計算概念與概念之間的語義，從而降低了噪音對詞義消歧模型的影響。通過實驗驗證了本文提出的基于類別網(wǎng)的方法和基于內(nèi)部鏈接的方法。實驗結(jié)果表明，這