LDA和KNN相结合的帖子热度预测算法

• 作者: 于中华 何建英 王亚强 王卫姣 聂恩伦 金晖 陈黎
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 网络舆情 潜在狄利克雷分配 K近邻 帖子热度预测 相似性
• 年，卷（期）: 2014,（3）
• 页码范围: 467-473
• 页数: 7页
• 分类号: TP311.13
• 字数: 5821字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2014.03.10

摘要

随着互联网的快速发展,网络舆情对社会的影响与日俱增.对互联网上网民产生的海量文本内容进行快速准确的分析,以及在此基础上捕捉网络舆情,并对其发展趋势进行预测,对社会经济发展无疑具有重要意义.为此,本文研究了论坛中帖子的热度预测问题,针对现有算法在度量帖子内容相似性时仅仅考虑字面上的相似性,未涉及语义层面,并且未考虑发帖人的特定喜好等不足,提出了LDA(潜在狄利克雷分配)与KNN(K近邻)相结合的热度预测算法,该算法利用LDA挖掘帖子表面文本隐藏的主题信息和用户感兴趣的主题信息,在概念层面上度量帖子之间的相似性,在此基础上基于KNN算法对帖子的热度进行预测.在两组数据集的实验结果表明,所提出的算法在预测准确率方面明显优于相关工作中的方法,平均准确率分别提高了4.34％和2.52％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于中华	四川大学计算机学院	46	444	9.0	18.0
2	陈黎	四川大学计算机学院	33	203	7.0	11.0
3	王亚强	四川大学计算机学院	13	75	6.0	7.0
4	王卫姣	四川大学计算机学院	2	16	2.0	2.0
5	聂恩伦	四川大学计算机学院	1	9	1.0	1.0
6	何建英		2	9	1.0	2.0
7	金晖	华西第二医院信息管理部	1	9	1.0	1.0