1、隨著Web2.0技術(shù)的發(fā)展，微博的使用人群以極快的速度增加，對(duì)互聯(lián)網(wǎng)的影響也日趨重大。對(duì)微博進(jìn)行分類在用戶個(gè)性化推薦、微博社群及垃圾信息過濾中都至關(guān)重要。而微博屬于短文本，包含信息量有限，傳統(tǒng)的文本分類方式并不能很好地用在微博上。
　　本文針對(duì)微博短文本的特點(diǎn)，提出基于LDA潛在語義空間分析來對(duì)微博進(jìn)行分類。首先應(yīng)用LDA對(duì)具有類標(biāo)簽的微博短文本訓(xùn)練數(shù)據(jù)進(jìn)行建模，獲得訓(xùn)練數(shù)據(jù)的潛在語義空間分布，并根據(jù)訓(xùn)練數(shù)據(jù)來對(duì)微博短文本測(cè)試數(shù)據(jù)

2、進(jìn)行主題推斷。在獲取訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的文檔——語義分布矩陣后，對(duì)它們進(jìn)行特征放大算法處理來提取文檔特征。在此基礎(chǔ)上，使用支持向量機(jī)對(duì)其進(jìn)行分類，并通過參數(shù)空間搜索來改善分類效果。
　　本文還進(jìn)行了基于內(nèi)容的微博用戶分析。通過對(duì)微博數(shù)據(jù)進(jìn)行分類建模，建立相關(guān)的領(lǐng)域詞典，并使用PMI來計(jì)算用戶微博中的詞與領(lǐng)域詞典的相關(guān)傾向性，并對(duì)用戶微博進(jìn)行傾向性匯總，分析出某用戶微博涵蓋的主題及這些主題在微博中所占的比重。
　　實(shí)驗(yàn)表明，本