基于改进蚁群聚类的热点主题发现算法研究.pdfVIP

情报分析与研究 基于改进蚁群聚类的热点主题发现算法 研究 陆　蓓 　程 　肖　谌志群 (杭州电子科技大学计算机应用技术研究所 　杭州 3 100 18) 【摘要 】针对热点主题发现是在聚类算法的基础上实现的特点 ,将改进后的蚁群聚类算法引入到该研究中, 同时 ( ) 提出类别关注度 CAD 的概念 , 以此来判定类别的热门程度并区分出热门类别和冷门类别 ,在此基础上抽取热点 主题集 。实验结果表明改进后的蚁群聚类算法对热点主题的发现有一定的效果 ,对其他仿生优化聚类算法的引 入有借鉴意义 。 【关键词 】网络舆情 　蚁群聚类 　热门类别 　主题 【分类号 】G353. 1 Research on the Hot Top ics D iscovery A lgor ithm Ba sed on Improved An t Colony C luster ing Lu B ei　Cheng X iao　Chen Zh iqun ( In stitu te of Computer App lication Technology, Hangzhou D ianzi Un iversity, Hangzhou 3100 18, Ch ina) 【Ab stract 】For the hot top ic s found is based on the clu stering algorithm , th is p ap er introduces the imp roved ant colony clu stering algorithm , and raise s Cla ss A ttention D egree ( CAD ) concep t in order to determ ine the cla ss of hot level and to distingu ish popu lar categories a s well a s unpopu lar categorie s. M eanwh ile, hot top ic set is erxtracted on th is ba sis. Exp eri m ental re su lts show that the imp roved ant colony clu stering algorithm has in certain effects to the hot top ic s found. 【Keywords】On line pub lic op in ion　Ant colony clu stering　Hot categorie s　Top ic 1　 引　言 　　随着互联网的迅猛发展 , 网络已成为庞大的公共信息集散地和民众参政议政最常用的平台。社会民众通过 网络所形成的网络舆情对社会产生的影响力越来越大 , 受到相关部门的高度关注和重视 。截至 2009 年 6 月 30 日, 中国网民规模达到 3. 38 亿人 ,普及率达到 25. 5% 。网民规模较 2008 年底增长 4 000 万人 , 半年增长率为 [ 1 ] ( ) 13. 4 % , 中国网民规模依然保持快速增长之势 。目前主流的热点主题发现算法采用话题发现 TD 与跟踪技术 ( ) TD T 实现 。话题发现的主要任务是从输入的新闻报道中自动检测出未知话题并把结果归入到不同的话题簇 中,在需要的时候建立新的话题簇 。比如舆情中的关键词 “非典 ”和 “禽流感 ”,这些都是未知话题 , TD 需要检测 并建立新的话题簇 [ 2 ] 。话题发现可以看作是一种按事件的聚类 ,发现的目的是要按照新闻报道表达的话题将其 进行聚类 。常用的聚类方法有 :增量 K - M ean s聚类 、单遍聚类等 [ 3 ] 。 　　收稿 日期 : 20 10 - 03 - 22 　　收修改稿日期 : 2010 - 03 - 3 1