基于微博的突發(fā)話題檢測研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、微博的標語是“隨時隨地,發(fā)現(xiàn)新鮮事!”從這標語中的“隨時”和“新鮮事”,我們就能知道微博中包含了大量的突發(fā)事件,如果不能及時處理突發(fā)事件,不僅會造成謠言的滋生和蔓延,破壞網(wǎng)絡(luò)秩序,還會影響社會治安,不利于社會的安定團結(jié)。
  本文分析了微博的信息特點、傳播特點和國內(nèi)外的研究現(xiàn)狀,提出一種微博突發(fā)話題檢測方法。首先采用雙滑動窗口來提取突發(fā)詞和含有突發(fā)性的微博文本,然后從相對詞頻、詞頻增長率、突發(fā)詞權(quán)重三個方面來對突發(fā)詞進行篩選,確保

2、抽取到的突發(fā)詞能夠更加準確的來描述突發(fā)事件,用基于凝聚式層次聚類算法來對獲取的突發(fā)詞進行聚類,再用聚類后的突發(fā)詞集來概括表示突發(fā)事件。本文在計算權(quán)重時提出了一種結(jié)合CHI和改進的TF-IDF算法的方法,采用空間向量模型對微博文本數(shù)據(jù)進行建模,在微博文本聚類上用基于最大距離法的k-means聚類算法,最終得到突發(fā)事件的文本聚類。本文考慮到了中文詞中存在一義多詞或一詞多義的緣故,在傳統(tǒng)的TF-IDF算法上結(jié)合了詞的語義,本文提出的一種結(jié)合C

3、HI和改進的TF-IDF算法的方法在計算權(quán)重時,不僅可以降低空間向量的維度,還能減少計算的復(fù)雜度。實驗中先對本文提出的結(jié)合CHI和改進的TF-IDF算法的方法同傳統(tǒng)的TF-IDF算法和CHI統(tǒng)計法用MATLAB仿真結(jié)果做對比,再對本文提出的基于最大距離法的k-means聚類算法與傳統(tǒng)的k-means聚類算法做對比,發(fā)現(xiàn)本文提出的方法能在一定程度上提高了召回率、準確率、F值。實驗結(jié)果表明本文提出的方法可以有效檢測微博中的突發(fā)話題。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論