基于隐主题分析的中文微博话题发现.PDF

第３１卷第３期 计 算 机 应 用 研 究 Ｖｏｌ．３１Ｎｏ．３ 　 　 ２０１４年３月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｒ．２０１４ 基于隐主题分析的中文微博话题发现  史剑虹，陈兴蜀 ，王文贤 （四川大学计算机学院 网络与可信计算研究所，成都６１００６５） 摘　要：针对高维、稀疏的中文微博数据，提出一种多步骤的新闻话题发现方法。首先结合微博的传播特点，选 取出不同时间窗口中具有较高新闻价值的微博文本；再利用隐主题模型挖掘微博内容中隐含的主题信息，并在 此基础上进行文本聚类；最后使用频繁项集挖掘技术获取话题关键词集合。该算法能够较好地实现对中文微博 数据的降维与话题发现。真实的微博数据集实验结果验证了该方法的有效性。 关键词：中文微博；话题发现；隐主题模型；文本聚类；频繁项集挖掘 中图分类号：ＴＰ３９１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１４）０３０７０００５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１４．０３．０１４ ＤｉｓｃｏｖｅｒｉｎｇｔｏｐｉｃｆｒｏｍＣｈｉｎｅｓｅｍｉｃｒｏｂｌｏｇｂａｓｅｄｏｎｈｉｄｄｅｎｔｏｐｉｃｓａｎａｌｙｓｉｓ  ＳＨＩＪｉａｎｈｏｎｇ，ＣＨＥＮＸｉｎｇｓｈｕ，ＷＡＮＧＷｅｎｘｉａｎ （Ｎｅｔｗｏｒｋ＆ＴｒｕｓｔｅｄＣｏｍｐｕｔｉｎｇＩｎｓｔｉｔｕｔｅ，ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＦｏｒｈｉｇｈｄｉｍｅｎｓｉｏｎａｌａｎｄｓｐａｒｓｅＣｈｉｎｅｓｅｍｉｃｒｏｂｌｏｇｄａｔａ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｍｕｌｔｉｓｔｅｐｍｅｔｈｏｄｆｏｒｄｉｓｃｏｖｅｒｉｎｇ ｔｏｐｉｃ．Ｆｉｒｓｔｌｙ，ｉｔｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｓｐｒｅａｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｍｉｃｒｏｂｌｏｇ，ｉｔｇｏｔｔｈｅｍｉｃｒｏｂｌｏｇｃｏｎｔｅｎｔｗｈｉｃｈｈａｄａｈｉｇｈｎｅｗｓｖａ ｌｕｅ．Ｔｈｅｎ，ｉｔｕｓｅｄｔｈｅｈｉｄｄｅｎｔｏｐｉｃｓａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅｔｏｍｏｄｅｌｔｈｅｔｅｘｔｄａｔａａｎｄｇｏｔｔｈｅｒｅｓｕｌｔｏｆｔｈｅｔｅｘｔｃｌｕｓｔｅｒｉｎｇｂｙｕｓｉｎｇ ｔｈｅｈｉｄｄｅｎｔｏｐｉｃｉｎｆｏｒｍａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｋｅｙｗｏｒｄｓｗｈｉｃｈｗｅｒｅｂｅｓｔｒｅｐｒｅｓｅｎｔｅｄｔｈｅｔｏｐｉｃｃｏｎｔｅｎｔｗｏｕｌｄｂｅｏｂｔａｉｎｅｄｆｒｏｍｔｈｅ ｃｌｕｓｔｅｒｅｄｒｅｓｕｌｔｓｔｈｒｏｕｇｈｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓｍｉｎｉｎｇ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｖｅｒｉｆｙｔｈｅｖａｌｉｄｉｔｙｏｆｔｈｅｍｅｔｈｏｄｏｎＣｈｉｎｅｓｅｍｉ ｃｒｏｂｌｏｇｄａｔａｓｅｔ’ｓｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎａｎｄｔｏｐｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：Ｃｈｉｎｅｓｅｍｉｃｒｏｂｌｏｇ；ｔｏｐｉｃｄｉｓｃｏｖｅｒｉｎｇ；ｈｉｄｄｅｎｔｏｐｉｃａｎａｌｙｓｉｓ；ｔｅｘｔｃｌｕｓｔｅｒｉｎｇ；ｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓｍｉｎｉｎｇ 频过低对聚类结果的影响。上述方法操作简单，但却非常耗 　引言 ４］则利用上下文相关