基于离散粒子群优化的微博热点话题发现算法

• 作者: 吉余岗 周汝南 李晓红 马慧芳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 微博 热点话题发现 词项关系 文本表示模型 粒子群优化
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 208-213
• 页数: 6页
• 分类号: TP311
• 字数: 5522字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.03.038

摘要

结合词项关联关系和粒子群优化(PSO)算法的特点,提出一种基于离散PSO(DPSO)的微博热点话题发现算法.通过对词语互信息及内外关联词信息的挖掘,更新传统文本表示模型,利用DPSO算法从寻优角度发现微博热点话题及简化微博聚类过程,并将聚类质量评价指标作为适应度函数对聚类结果进行不断迭代优化,获得聚类结果的最优解.实验结果表明,该算法能够在大量微博中快速发现热点话题,具有较高的热点话题发现准确性及运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马慧芳	西北师范大学计算机科学与工程学院	59	520	12.0	21.0
2	李晓红	西北师范大学计算机科学与工程学院	22	136	6.0	11.0
3	吉余岗	西北师范大学计算机科学与工程学院	2	20	2.0	2.0
4	周汝南	西北师范大学计算机科学与工程学院	2	20	2.0	2.0