基于流信息距离的多文本流热点挖掘

• 作者: 唐常杰 李红军 杨宁 王悦 郑皎凌 陈瑜
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 热点挖掘 多文本流 流信息距离 冗余信息 Kolmogorov复杂度
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 数据库技术
• 页码范围: 1761-1770
• 分类号: TP311
• 字数: 8961字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2011.03893

摘要

把文本流中的热点区分为局部热点和全局热点,分析了二者的相关性,并将Kolmogorov复杂度应用于多文本流中的热点挖掘,首先,定义了基于Kolmogorov复杂度的冗余信息的概念,并论证了文本流存在局部热点的必要条件是冗余信息超过某个阈值；其次,基于条件Kolmogorov复杂度提出了一个相似性度量指标——流信息距离(stream information distance,简称SID),以衡量不同文本流之间的相似度；并借鉴计算生物学领域中的种系发生树的思想,提出了一种基于层次聚类的多文本流全局热点挖掘启发式算法.在合成和真实数据集的实验,验证了算法的收敛性、有效性和规模可伸缩性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐常杰	四川大学计算机学院	164	2750	30.0	45.0
2	陈瑜	四川大学计算机学院	62	575	14.0	21.0
3	王悦	四川大学计算机学院	33	232	9.0	14.0
4	郑皎凌	四川大学计算机学院	11	97	6.0	9.0
5	杨宁	四川大学计算机学院	36	223	9.0	12.0
6	李红军	四川大学计算机学院	6	58	5.0	6.0