随着推特等社交媒体平台的快速发展,大量用户会针对不同事件在平台上发表内容,导致产生大规模简短、嘈杂的信息,使得人们想要从中快速抓取关键信息比较困难。推特摘要研究致力于从大量相关的短文本中生成简短的摘要来描述特定话题的主要内容,有助于提高人们获取资讯的效率,同时可以帮助相关部门监管社会事件的整个过程,从而把控舆情方向。研究已经发展了几十年,但是由于社交短文本的不规范、嘈杂等特性,使得推特摘要研究依旧是一个难点。传统摘要方法只考虑了文本信息,并不足以直接迁移到社交媒体环境中。现有的一些推特摘要方法很少挖掘推特之间的潜在关系,忽略了信息可以沿着社交网络进行传播这一点。基于前面提到的问题,本文提出了一个结合稀疏重构和推特潜在网络结构的新型推特摘要框架。1)受到社会学理论中表达一致性与表达传染性这两种理论的启发,本文对推特潜在的网络结构进行建模,并作为社会正则项整合到稀疏重构的框架中。该框架主要是基于稀疏重构的思想,即认为一个好的摘要能够尽可能重构原始语料。社会正则项的引入有助于纠正重构误差,使得那些有关联的推特在重构前后保持某种相关性。2)相似推特在互相重构的过程中会提高彼此在整个语料的重要性,导致生成的摘要中出现大量相似的推特对。通过在稀疏重构的框架下引入多样性正则,避免这种“相似”的重构现象,从而去除摘要冗余信息。3)整个问题转换为数学优化问题,并提出一个基于Nesterov加速梯度下降的优化算法来解决该问题。4)制作了推特摘要的标准评测语料,并在此语料上进行实验,实验结果证明了我们模型的有效性。本文提出的基于稀疏重构和社交网络结构的推特摘要框架,结合了文本内容和结构信息。该框架通过挖掘推特层次的潜在网络结构,试图获得更多的语义线索。整个框架通过结合社会项正则、多样性正则、稀疏项正则,解决了推特摘要研究中的重要性、多样性问题,为推特摘要研究提供了具有启发性的研究思路。