一种基于语义分析的热点新闻发现方法

• 作者: 曹通
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 隐含语义分析 新闻热度 话题检测 LDA与BTM模型
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 30-33,39
• 页数: 5页
• 分类号: TP391
• 字数: 3234字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.06.006

摘要

随着互联网的发展和普及,互联网新闻报道已是人们获取社会信息的主要手段,如何快速准确地获取互联网新闻热点话题是一个急需解决的问题.本文使用LDA(Latent Dirichlet Allocation)和BTM(Biterm Topic Model)主题模型,充分考虑新闻标题和新闻正文对新闻热点检测影响的不同,分别对新闻的正文和标题进行语义分析,新闻标题使用BTM模型,新闻正文使用LDA模型,提取主题特征向量,并将2种语义特征进行融合,形成全文的语义特征,然后通过改进的聚类算法,进行聚类,在此基础上引入新闻热度的定义,通过热度公式计算新闻的热度,利用计算出的热度值排序得到最近一段时间的热点新闻.通过在爬取的新闻数据上的实验,验证了本文方法的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹通	南京理工大学计算机科学与工程学院	1	3	1.0	1.0