基于文本聚类的网络微博舆情话题识别与追踪技术研究

• 作者: 闫俊伢 马尚才
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 微博舆情 本文聚类 K-means 主题词 主题模型 聚类算法 话题识别
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 信息·计算机
• 页码范围: 176-181
• 页数: 6页
• 分类号: TP393
• 字数: 2846字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.09.025

摘要

为解决传统话题识别与跟踪方法在处理微博数据时存在的高维、稀疏等问题,提出了一种网络微博话题主题词抽取模型和改进聚类方法.首先,对微博数据以特征词汇选择的方式进行了改进,优先选择时间片内词频统计较高(包含信息量较大)的词汇作为特征词汇,从而降低向量空间的维数,提升运行效率;其次,采用LDA模型来进行微博数据的文本表示;最后,采用基于遗传优化的K-means算法进行聚类分析,提高了聚类结果的准确率和稳定性.网络微博数据实验结果验证了提出方法的有效性,表明其可解决数据处理稀疏、高维的问题.相比其他聚类算法,提出方法在话题识别的多个性能指标上均表现良好,并能准确展示出话题的动态变化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫俊伢	山西大学商务学院信息学院	50	292	7.0	16.0
2	马尚才	山西财经大学信息管理学院	16	76	4.0	8.0