基于可区分语言模型的微博在线话题检测

• 作者: 张彬连 颜一鸣 黄云
• 来源期刊: 计算机应用研究
• 关键词: 话题检测 特征选择 微博 语言模型 可区分语言模型
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3539-3542
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.12.005

摘要

针对微博话题检测中需要解决的高维数据、噪声信息以及话题的快速演化等主要问题,提出一个有效的微博在线话题检测模型——可区分语言模型(discriminative language model,DLM).该模型首先选择微博数据的可区分特征子空间,接着利用一元语言模型实现微博话题的在线检测.实验表明,在MACRO_F1和AVG_CDET等指标上,DLM明显优于现有模型,DLM能准确及时发现微博话题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张彬连	吉首大学软件服务外包学院	41	114	5.0	8.0
2	黄云	吉首大学软件服务外包学院	10	88	3.0	9.0
4	颜一鸣	吉首大学软件服务外包学院	23	214	5.0	14.0