基于改进蚁群聚类的热点主题发现算法研究

被引:4
作者
陆蓓
程肖
谌志群
机构
[1] 杭州电子科技大学计算机应用技术研究所
关键词
网络舆情; 蚁群聚类; 热门类别; 主题;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
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。
引用
收藏
页码:66 / 71
页数:6
相关论文
共 8 条
[1]   一种新的K-Means蚁群聚类算法 [J].
莫锦萍 ;
陈琴 ;
马琳 ;
苏一丹 .
广西科学院学报, 2008, 24 (04) :284-286
[2]   网络热点事件发现系统的设计 [J].
刘星星 ;
何婷婷 ;
龚海军 ;
陈龙 .
中文信息学报, 2008, 22 (06) :80-85
[3]   网络热点信息发现研究 [J].
曾依灵 ;
许洪波 .
通信学报, 2007, (12) :141-146
[4]   一种基于群体智能的客户行为分析算法 [J].
吴斌 ;
郑毅 ;
傅伟鹏 ;
史忠植 .
计算机学报, 2003, (08) :913-918
[5]   话题识别与跟踪研究 [J].
李保利 ;
俞士汶 .
计算机工程与应用, 2003, (17) :7-10+109
[6]  
蚁群聚类算法研究[D]. 曾海群.中南大学 2008
[7]  
蚁群算法及其在数据挖掘中的应用[D]. 鄢文晋.重庆大学 2007
[8]   Detection As Multi-Topic Tracking [J].
James Allan .
Information Retrieval, 2002, 5 :139-157