文献类型：期刊文章

作　　者：颜杰[1] 刘茂福[1] 刘亚[1] 胡慧君[1]

Yan Jie Liu Maofu Liu Ya Hu Huijun(Hubei Province Key Laboratory of Intelligent Information Processing ＆ Real-time Industrial System,College of Computer Science ＆ Technology,Wuhan University of Science ＆ Technology,Wuhan 430065,Chin)

机构地区：[1]武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室,武汉430065

出　　处：《计算机应用研究》

基　　金：国家社会科学基金重大项目(11&ZD189);湖北省自然科学基金面上项目(2015CFB564);湖北省教育厅科学技术研究计划指导性项目(B2016010)

年　　份：2017

卷　　号：34

期　　号：9

起止页码：2646-2650

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：微博是常用的社交媒体,但对于微博图片和文本相关性的研究还很少。为研究中文图文微博相关性,使用了三种方法计算图文微博相似度特征,并将其与图文微博文本特征、社会特征组合起来,采用三种机器学习方法进行相关性分类。实验结果表明,针对三种图文相似度特征计算方法,基于Word Net的方法与基于WordEmbedding的方法效果较好,基于余弦相似度的方法效果较差;而加入文本特征和社会特征后,相关关系识别结果在三种机器学习算法上都有所提高。综合考虑三种因素,使用Word-Embedding方法计算图文微博相似度特征,将其与文本特征和社会特征相组合,采用BP神经网络进行相关关系识别效果最好。

关 键 词：图文微博  社会特征 文本特征 相关关系  

分 类 号：TP391]