基于主题模型的微博话题检测算法

• 作者: 秦姣华 谭骏珊 黄华军
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 话题检测 主题模型 文档词条矩阵 词语关联矩阵
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 30-38
• 页数: 9页
• 分类号: TP391
• 字数: 6867字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2016.00049

摘要

微博数据的实时、大规模、短文本以及富含噪声等特征为话题检测带来新的挑战，传统向量空模型（VSM）表示文本无法很好地对其进行建模。基于此，提出一种基于主题模型的微博话题检测算法。首先，对微博数据构建文档词条矩阵和词语关联矩阵来提取主题词；然后，对主题词进行聚类，得到主题模型；最后，利用文本与主题模型相互匹配实现文本聚类，从而达到话题检测的目的。实验结果表示，该算法能有效地进行话题聚类并检测出话题，在最佳参数组合条件下，其各类别的平均F值达到95%以上。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭骏珊	中南林业科技大学计算机与信息工程学院	31	174	7.0	12.0
2	黄华军	中南林业科技大学计算机与信息工程学院	12	160	6.0	12.0
3	秦姣华	中南林业科技大学计算机与信息工程学院	9	44	3.0	6.0