基于Single-Pass的网络舆情热点发现算法

• 作者: 乔少杰 元昌安 康健 张小松 杨燕 格桑多吉 韩楠
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 舆情分析 single-pass 文本聚类 话题发现
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: Rootkit 研究综述
• 页码范围: 599-604
• 页数: 6页
• 分类号: TP312
• 字数: 4559字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2015.04.021

摘要

考虑网络事件的时间距离，基于半结构化网页中不同位置特征项重要程度的不同，提出改进的single-pass文本聚类算法single-pass*，优势在于对Web文本不同位置特征项的加权处理，仅需计算新文档与同类别种子文档间的相似度。实验结果表明，相比single-pass，改进算法极大减少了漏检率和错检率，降低了由于新文本流内文档进行相似度计算导致系统性能的下降，平均提高Web文本聚类效率40%。将聚类后的Web文本应用于网络舆情分析，进行主题关注度分析和话题热度特性分析。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	格桑多吉	西藏大学藏文信息技术研究中心	36	231	8.0	14.0
2	元昌安	广西师范学院科学计算与智能信息处理广西高校重点实验室	121	1400	21.0	33.0
3	杨燕	西南交通大学信息科学与技术学院	97	1192	16.0	32.0
4	乔少杰	西南交通大学信息科学与技术学院	20	339	10.0	18.0
5	张小松	电子科技大学大数据研究中心	36	272	8.0	15.0
6	康健	西南交通大学信息科学与技术学院	11	57	4.0	7.0
7	韩楠	西南交通大学生命科学与工程学院	5	198	5.0	5.0