作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
网络舆情是近年来研究的热点。现有的舆情监测系统大多采用基于统计和特征关键词的方法,这种方法没有考虑到文字背后的语义关联,可能在两个文档共同出现的单词很少甚至没有,但两个文档是相似的。而主题模型正是近年来大量使用的语义挖掘的方法,其中LDA主题模型使用最多。结合了基于统计和LDA主题模型两种方法,应用于网络舆情监控。在基于统计的基础上进一步进行语义的挖掘,能够对舆情信息更加准确的分析。
推荐文章
网络舆情监控系统中主题网络爬虫的研究与实现
网络舆情监控系统
主题网络爬虫
信息采集
基于微博的网络舆情分析系统设计
向量空间模型
TF-IDF
话题发现
舆情分析
网络舆情分析系统的研究与设计
网络舆情
网页文本结构化
文本分类
文本聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主题模型的网络舆情监控系统设计
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 网络舆情 舆情监控 主题模型 LDA 语义挖掘
年,卷(期) 2015,(3) 所属期刊栏目
研究方向 页码范围 90-93
页数 4页 分类号 TP393
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 钟荣飞 2 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (29)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
网络舆情
舆情监控
主题模型
LDA
语义挖掘
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导