基于BTM和加权K-Means的微博话题发现

• 作者: 蒙祖强 陈凤
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: BTM模型 加权K-Means 微博数据 话题发现
• 年，卷（期）: 2019,（3）
• 页码范围: 71-78
• 页数: 8页
• 分类号: TP391
• 字数: 5468字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2019.03.008

摘要

为适应微博数据的短文本、低词频、缺乏语义表达等特殊性,提高话题发现的准确性,利于用户从大量微博数据中获取有用信息,本文提出一种基于BTM和加权K-Means方法实现微博话题发现.首先,针对微博数据稀疏性的问题,采用BTM模型对微博中的短文本进行建模,获得话题词;然后针对传统K-Means算法本身的缺陷,提出加权K-Means算法实现微博话题发现;最后实验验证本文的方法,实验结果表明,BTM和加权K-Means方法解决了微博数据高维度和稀疏性的问题,提高了热点话题发现的准确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒙祖强	广西大学计算机与电子信息学院	59	289	10.0	14.0
2	陈凤	广西大学计算机与电子信息学院	9	14	3.0	3.0