基于SOM聚类的微博话题发现

• 作者: 冯旭鹏 刘利军 宋莉娜 黄青松
• 来源期刊: 计算机应用研究
• 关键词: 话题发现 词向量模型 文本相似度 短文本 SOM聚类
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 671-674,679
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.03.007

摘要

随着微博用户的增多,微博平台的信息更新频繁.针对微博文本的数据稀疏性、新词多、用语不规范等特点,提出了基于SOM聚类的微博话题发现方法.从原始语料中对文本进行预处理,通过词向量模型对短文本进行特征提取,降低了向量维度过高带来的计算量繁重问题.采用改进的SOM对话题进行聚类,该算法改善了传统文本聚类的不足,进而能有效地发现话题.实验表明该算法较传统文本聚类算法的综合指标F值有明显提高.

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
5	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
6	冯旭鹏	昆明理工大学教育技术与网络中心	34	77	5.0	7.0
7	宋莉娜	昆明理工大学信息工程与自动化学院	1	8	1.0	1.0