文献类型：期刊文章

作　　者：闫俊伢[1] 马尚才[2]

YAN Junya;MA Shangcai(Business college of Shanxi University, Information Faculty, Taiyuan 030031 , China;Shanxi University of Finance and Economics, Faculity of Information Management,Taiyuan 030006 , China)

机构地区：[1]山西大学商务学院信息学院,太原030031 [2]山西财经大学信息管理学院,太原030006

出　　处：《重庆理工大学学报（自然科学）》

基　　金：山西省科技厅重点研发计划项目201603D321112);山西省教育科学“十三五”规划2018年度课题项目(GH18168);全国供销合作总社职业教育专项课题项目(GX1501)

年　　份：2019

卷　　号：33

期　　号：9

起止页码：176-181

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决传统话题识别与跟踪方法在处理微博数据时存在的高维、稀疏等问题,提出了一种网络微博话题主题词抽取模型和改进聚类方法。首先,对微博数据以特征词汇选择的方式进行了改进,优先选择时间片内词频统计较高(包含信息量较大)的词汇作为特征词汇,从而降低向量空间的维数,提升运行效率;其次,采用LDA模型来进行微博数据的文本表示;最后,采用基于遗传优化的K-means算法进行聚类分析,提高了聚类结果的准确率和稳定性。网络微博数据实验结果验证了提出方法的有效性,表明其可解决数据处理稀疏、高维的问题。相比其他聚类算法,提出方法在话题识别的多个性能指标上均表现良好,并能准确展示出话题的动态变化。

关 键 词：微博舆情  本文聚类  K-MEANS 主题词  主题模型 聚类算法 话题识别  

分 类 号：TP393]