基于SSDKmeans算法的微博热点话题发现研究

• 作者: 李海明
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 话题发现 文本聚类 微博短文本 频繁集
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 173-175,182
• 页数: 4页
• 分类号: TP391
• 字数: 3203字
• 语种: 中文
• DOI: 10.11907/rjdk.192006

摘要

为及时从海量微博信息中迅捷有效提取出微博热点话题、事件,提出基于频繁集的聚类SSDKmeans算法,在有限空间下统计分词的近似频数,并在此基础上构建文本向量空间模型,在聚类生成的每个话题簇中提炼话题关键词.通过对2万条微博数据进行有效性验证,结果表明,基于SSDKmeans算法的话题发现有较高的召回率和精准率,分别为91.3％、92.1％.SSDKmeans算法能够有效提高微博热点话题发现率,进而及时了解社会热点话题与舆论趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海明	山东科技大学计算机科学与工程学院	1	1	1.0	1.0