面向微博热点话题发现的改进BBTM模型研究

• 作者: 郭文忠 郭昆 黄畅
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 热点话题发现 微博 突发词对主题模型(BBTM) 主题模型
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 学术研究
• 页码范围: 1103-1114
• 页数: 12页
• 分类号: TP391
• 字数: 11226字
• 语种: 中文

摘要

针对目前基于主题模型的微博短文本热点话题发现存在特征稀疏、高维度以及需要人工指定主题数目等问题,提出一种基于改进突发词对主题模型(bursty biterm topic model,BBTM)的热点话题发现方法(hot topic-hot biterm topic model,H-HBTM).首先,利用词的突发概率进行特征选择,过滤非突发词.其次,结合微博文本的突发特性和传播特性计算微博词对的热值突发概率,将热值突发概率作为BBTM的先验概率.最后,利用基于密度的方法自适应选择BBTM的最优话题数目,确定最优BBTM,实现热点话题发现.在真实微博数据集上的实验表明,H-HBTM可以在不需要预先设定主题数目的情况下,自动发现最优话题模型,并且H-HBTM发现的热点话题的质量高于基于BBTM、词对主题模型以及潜在狄立克雷分配的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭昆	福州大学数学与计算机科学学院	37	180	8.0	11.0