像微博這種短文本的分析，用什麼方法提取特徵比較好呢？

01-06

一般是用詞袋模型+隱含主題模型來完成。

在短文本的主題模型有一些研究工作，我沒有全面做過調研，自己了解的包括：

1. KDD 2014上來自Twitter團隊的Large-Scale High-Precision Topic Modeling on Twitter，對Twitter數據上進行主題模型建模做了大量定製化工作。

2. WWW 2008上的Learning to classify short and sparse text web with hidden topics from large-scale data collections，專門研究如何用主題模型幫助解決短文本類分類的稀疏性問題。

3. ECIR 2011上的Comparing twitter and traditional media using topic models提出TwitterLDA，假設每條短文本只屬於一個隱含主題，屬於專門針對短文本隱含主題建模所做的合理性假設。

以上信息僅供參考，希望有用。

不說具體任務就談抽feature都是耍流氓

不知道你想分析什麼，就說新浪微博，可以分析的東西太多了，比如分類、聚類，還有人做過微博的情感、地域、性別、傳播等各方面的分析。

另外，看了樓上說的word2vec，貌似一個很不錯的開源工具。針對短文本（NLP）建立特徵向量，然後做數據挖掘，這種事情我就做過，效果還不錯！

補充：之前抓取過自己註冊至今發布的所有微博，統計並提取了top20的關鍵詞，結果還挺有意思的…（當然，我沒有抓取別人的→_→）

同意一樓，lad+詞袋模型靠譜

在話題分類上效果不錯

嘗試word2vec，不知道有沒有人將word2vec用於短文本處理上。