基于MFIHC聚类和TOPSIS的微博热点发现方法

• 作者: 林丽娜 陈福集 魏德志
• 来源期刊: 计算机应用研究
• 关键词: 网络舆情 TOPSIS 热点发现 聚类 微博
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1014-1017,1041
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.04.012

摘要

针对微博的文本存在短小、快速、变化等特点,导致热点发现困难的问题,提出了一种基于改进的FIHC聚类和TOPSIS的热点发现方法.首先把知网语义相似度引入FIHC聚类算法score函数的计算,考虑了频繁词之间的语义联系,更准确地生成基于频繁词的初始簇;然后对微博文本重复的初始簇进行消减,再采用Single-Pass聚类的思想对消减完的话题簇进一步聚类最终得到热点话题;最后对热点话题采用改进的TOPSIS模型进行排序,更好地获得热点话题的排行.通过与其他文本聚类算法以及热点发现方法对比,该方法热点发现效果好,能够比较全面地反映当前的热点话题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏德志	福州大学经济与管理学院	23	158	8.0	12.0
3	陈福集	福州大学经济与管理学院	129	1236	17.0	28.0
4	林丽娜	集美大学诚毅学院	15	31	3.0	5.0