节点文献

基于BTM和加权K-Means的微博话题发现

免费订阅

【作者】 陈凤蒙祖强

【Author】 CHEN Feng;MENG Zuqiang;School of Computer,Electronics and Information, Guangxi University;

【通讯作者】 蒙祖强;

【机构】 广西大学计算机与电子信息学院

【摘要】 为适应微博数据的短文本、低词频、缺乏语义表达等特殊性,提高话题发现的准确性,利于用户从大量微博数据中获取有用信息,本文提出一种基于BTM和加权K-Means方法实现微博话题发现。首先,针对微博数据稀疏性的问题,采用BTM模型对微博中的短文本进行建模,获得话题词;然后针对传统K-Means算法本身的缺陷,提出加权K-Means算法实现微博话题发现;最后实验验证本文的方法,实验结果表明,BTM和加权K-Means方法解决了微博数据高维度和稀疏性的问题,提高了热点话题发现的准确性和有效性。

【关键词】 BTM模型加权K-Means微博数据话题发现
【基金】 国家自然科学基金(61762009)
  • 【DOI】10.16088/j.issn.1001-6600.2019.03.008
  • 【分类号】TP391.1
  • 【下载频次】136
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: