基于MFIHC聚类和TOPSIS的微博热点发现方法

被引：5

作者：

魏德志 ^{[1
,2
]}

陈福集 ^{[1
]}

林丽娜 ^{[2
]}

机构：

[1] 福州大学经济与管理学院

[2] 集美大学诚毅学院

来源：

计算机应用研究 | 2018年 / 35卷 / 04期

关键词：

网络舆情; TOPSIS; 热点发现; 聚类; 微博;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP393.092 [];

学科分类号：

081203 ; 0835 ; 080402 ;

摘要：

针对微博的文本存在短小、快速、变化等特点,导致热点发现困难的问题,提出了一种基于改进的FIHC聚类和TOPSIS的热点发现方法。首先把知网语义相似度引入FIHC聚类算法score函数的计算,考虑了频繁词之间的语义联系,更准确地生成基于频繁词的初始簇;然后对微博文本重复的初始簇进行消减,再采用SinglePass聚类的思想对消减完的话题簇进一步聚类最终得到热点话题;最后对热点话题采用改进的TOPSIS模型进行排序,更好地获得热点话题的排行。通过与其他文本聚类算法以及热点发现方法对比,该方法热点发现效果好,能够比较全面地反映当前的热点话题。

引用

页码：1014 / 1017+1041 +1041

页数：5

共 11 条

[1]

Dynamic Online HDP model for discovering evolutionary topics from Chinese social texts.[J].Xianghua Fu;Jianqiang Li;Kun Yang;Laizhong Cui;Lei Yang.Neurocomputing.2016,

[2] Semantic search for public opinions on urban affairs: A probabilistic topic modeling-based approach [J].

Ma, Baojun ;

Zhang, Nan ;

Liu, Guannan ;

Li, Liangqiang ;

Yuan, Hua .

INFORMATION PROCESSING & MANAGEMENT, 2016, 52 (03) :430-445

[3]

Burst topic discovery and trend tracing based on Storm.[J].Shihang Huang;Ying Liu;Depeng Dang.Physica A: Statistical Mechanics and its Applications.2014,

[4]

Mining opinion components from unstructured reviews: A review.[J].Khairullah Khan;Baharum Baharudin;Aurnagzeb Khan;Ashraf Ullah.Journal of King Saud University - Computer and Information Sciences.2014,

[5] 结合时序和语义的中文微博话题检测与跟踪方法 [J].