结合时序和语义的中文微博话题检测与跟踪方法

• 作者: 庞卫巍 江颉 王小号 陈铁明
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 微博文本 频繁词集 特征选择 聚类 话题检测 时序 语义
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 21-29
• 页数: 9页
• 分类号: TP301
• 字数: 6621字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2016.00048

摘要

微博文本具有短小快捷、主题多变等特点，社交话题检测与跟踪研究面临新的挑战。结合微博的话题时序性和短文本语义相似度等特点，提出了基于微博聚类的话题检测与跟踪系统方法。首先，通过定义微博文本的时序频繁词集，给出面向热点话题的特征词选择方法；然后，根据时序频繁特征词集，利用最大频繁项集获得微博初始聚类；针对初始簇间存在文本重叠情况，提出基于短文本扩展语义隶属度的簇间重叠消减算法，获得完全分离的初始簇；最后，根据簇语义相似度矩阵，给出凝聚式话题聚类方法。通过新浪微博完成实验测试，表明所提方法可用于中文微博热点话题检测与跟踪。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江颉	浙江工业大学计算机科学与技术学院	38	249	10.0	13.0
2	陈铁明	浙江工业大学计算机科学与技术学院	60	357	11.0	15.0
3	王小号	浙江工业大学计算机科学与技术学院	8	42	4.0	6.0
4	庞卫巍	浙江工业大学计算机科学与技术学院	1	8	1.0	1.0