基于多特征融合Single-Pass-SOM组合模型的话题检测

• 作者: 刘念 孟祥茹 张琳琳 李丰男 焦艳菲
• 来源期刊: 计算机系统应用
• 关键词: 话题检测 文本表示 SOM聚类 Single-Pass聚类 Single-Pass-SOM
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 245-250
• 页数: 6页
• 字数: 4178字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007508]

摘要

当今时代,网络舆情传播速度快、影响力大,而话题检测在网络舆情监管中有着不可替代的作用.针对传统方法提取文本特征不完整和特征维度过高的问题,本文提出了基于时间衰减因子的LDA&&Word2Vec文本表示模型,将LDA模型的隐含主题特征和Word2Vec模型的语义特征进行加权融合,并引入了时间衰减因子,同时起到了降维和提高文本特征完整度的作用.同时,本文又提出了Single-Pass-SOM组合聚类模型,该模型解决了SOM模型需要设定初始神经元的问题,提高了话题聚类的精度.实验结果表明,本文提出的文本表示模型和文本聚类方法较传统方法拥有更好的话题检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘念	中国科学院沈阳计算技术研究所	9	169	5.0	9.0
2	焦艳菲		6	4	2.0	2.0
3	张琳琳	中国科学院沈阳计算技术研究所	23	155	6.0	12.0
4	孟祥茹	中国科学院沈阳计算技术研究所	4	8	1.0	2.0
5	李丰男	中国科学院大学计算机控制与工程学院	1	0	0.0	0.0