基于词向量的微博话题发现方法

• 作者: 冯旭鹏 刘利军 李亚星 李帅彬 黄青松
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 话题发现 词向量 短文本 Canopy聚类
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 数据工程
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP3
• 字数: 5262字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.12.009

摘要

针对微博的短文本、口语化和大数据等特性,提出基于词向量的微博话题发现方法.爬取实验数据结合中文语料库训练得到词的向量表示,再通过定义的文本词向量模型得到文本的词向量表示,相较于传统的向量空间表示模型,词向量表示模型能够解决微博短文本特征稀疏、高维度问题,同时,能够解决文本语义信息丢失问题;采用改进的Canopy算法对文本进行模糊聚类;对相同Canopy内的数据用K-means算法做精确聚类.实验结果表明,该方法与经典Single-Pass聚类算法相比,话题发现综合指标提高4％,证明了所提方法的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄青松	昆明理工大学信息工程与自动化学院	91	265	9.0	12.0
3	刘利军	昆明理工大学信息工程与自动化学院	77	196	7.0	10.0
4	冯旭鹏	昆明理工大学信息工程与自动化学院	34	77	5.0	7.0
7	李帅彬	昆明理工大学信息工程与自动化学院	2	3	1.0	1.0
8	李亚星	昆明理工大学信息工程与自动化学院	5	24	3.0	4.0