基于有意义串聚类的微博热点话题发现方法

被引：12

作者：

贺敏 ^{[1
,2
]}

王丽宏 ^{[2
]}

杜攀 ^{[1
]}

张瑾 ^{[1
]}

程学旗 ^{[1
]}

机构：

[1] 中国科学院计算技术研究所

[2] 国家计算机网络应急技术处理协调中心

来源：

通信学报 | 2013年 / 34(S1)卷 / S1期

关键词：

热点话题; 微博; 有意义串; 特征聚类;

D O I：

暂无

中图分类号：

TP393.092 []; TP391.1 [文字信息处理];

学科分类号：

080402 ; 081203 ; 0835 ;

摘要：

针对微博数据特征稀疏、内容碎片化的特点,提出一种基于有意义串聚类的热点话题发现方法。结合重复串计算、上下文邻接分析和语言规则过滤多种策略,提取能够表达独立完整语义的有意义串,并将微博数据建模在相对较小的有意义串空间,通过聚类产生候选话题,根据热度排序发现热点话题。微博数据实验结果表明,该方法在一定程度上实现对微博高维稀疏空间的降维,对于微博空间的热点话题发现有效可行。

引用

页码：256 / 262

页数：7

共 4 条

[1] 大规模语料的频繁模式快速发现算法 [J].