| 基于SOM聚类的微博话题发现 |
| |
| 引用本文： | 宋莉娜,冯旭鹏,刘利军,黄青松. 基于SOM聚类的微博话题发现[J]. 计算机应用研究, 2018, 35(3) |
| |
| 作者姓名： | 宋莉娜 冯旭鹏 刘利军 黄青松 |
| |
| 作者单位： | 昆明理工大学信息工程与自动化学院,昆明理工大学教育技术与网络中心,昆明理工大学信息工程与自动化学院,昆明理工大学信息工程与自动化学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(81360230,81560296). |
| |
| 摘 要： | 随着微博用户的增多,微博平台的信息更新频繁,针对微博文本的数据稀疏性、新词多、用语不规范等特点,提出了基于SOM聚类的微博话题发现方法。首先从原始语料中对文本进行预处理,通过词向量模型对短文本进行特征提取,降低了向量维度过高带来的计算量繁重问题；然后,采用改进的SOM对话题进行聚类,该算法改善了传统文本聚类的不足,进而能够有效的发现话题。实验表明,该算法较传统文本聚类算法的综合指标F值有明显提高。
|
| 关 键 词： | 话题发现 词向量模型 文本相似度 短文本 SOM聚类 |
| 收稿时间： | 2016-11-16 |
| 修稿时间： | 2017-01-05 |
Microblog hot-topic detection based on SOM clustering |
| |
| SONG Lin,FENG Xupeng,LIU Lijun and HUANG Qingsong. Microblog hot-topic detection based on SOM clustering[J]. Application Research of Computers, 2018, 35(3) |
| |
| Authors: | SONG Lin FENG Xupeng LIU Lijun HUANG Qingsong |
| |
| Affiliation: | Faculty of Information Engineering and Automation,Kunming University of Science and Technology,,, |
| |
| Abstract: | |
| |
| Keywords: | Topics detection Word vector model Texts similarity Short text SOM clustering |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
