微博由于其自身的文本特征,如内容短小、语义稀疏、信息碎片化等特点,导致超短微博文本在大数据的环境下难以被独立理解。为了解决这个问题,本文提出了超短微博文本的关联语义表示模型以期帮助用户能更好的理解微博中的超短文本。首先通过建立动态时间窗口来对超短微博文本进行语义扩充,然后采用有向加权网络图来展示超短微博文本的关联语义,最后通过网络中聚类系数的应用来优化超短微博文本的关联语义表示模型。主要研究内容如下:(1)建立动态时间窗口以扩充超短微博文本的语义。针对超短微博文本自身内容短小,语义稀疏等特征,本文通过建立动态时间窗口的办法来实现对超短微博文本进行语义扩充,以此丰富超短微博文本在特定语境中的潜在语义。(2)构建超短微博文本关联语义表示模型。基于动态时间窗口中特定的语境,将超短微博文本的关联语义表示模型以一种有向加权的关联语义网络图来表示,并通过关联挖掘算法来获取网络图节点之间的关联语义关系。(3)优化超短微博文本关联语义表示模型。基于特定动态时间窗口下构建的超短微博文本关联语义表示模型,通过不断扩大动态时间窗口,对不同动态时间窗口下的关联语义表示模型进行聚类系数计算与比较,以此来优化该关联语义表示模型。实验结果表明,超短微博文本的关联语义表示模型能够准确、有效地表示超短微博文本的潜在语义。本文创新地采用扩大动态时间窗口的方法来丰富超短微博文本在特定语境中的语义,并将超短微博文本的语义以图结构的形式展现出来,最终通过聚类系数的应用来优化超短微博文本的关联语义表示模型。本文的研究可以有效地表达微博话题中的超短微博文本在特定语境中的语义,并且能帮助用户快速地理解超短微博文本的含义。同时,也给针对微博平台的文本分析提供理论基础。