一种融合标签语义的微博热点话题挖掘方法

• 全文链接
• 请求原文

作   者：

周福星;  陈秀真;  马进;  李生红; 

作者机构：

上海交通大学网络空间安全学院; 

关键词：

K-means聚类;  微博文本;  隐狄利克雷分布模型;  标签语义;  公共块; 

期刊名称：

计算机工程

i s s n：

1000-3428

年卷期：

2019 年 10 期

页   码：

283-287

摘   要：

由于微博文本的长度较短,直接使用隐狄利克雷分布(LDA)模型会导致特征向量高维稀疏。为此,提出一种融合标签语义的热点话题挖掘方法。利用公共块算法计算微博标签的相似度,合并标签相似度较高的微博文本。采用LDA模型对合并后的文本建模,并通过K-means聚类算法挖掘微博热点话题。实验结果表明,与针对单一微博文本建模的方法以及直接合并相同标签的方法相比,该方法的困惑度较低,挖掘热点话题的准确性较高。