基于論壇的熱點(diǎn)話題識別與趨勢預(yù)測研究.pdf_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展,論壇成為當(dāng)前興起的互聯(lián)網(wǎng)媒體之一,正是因?yàn)檎搲墓蚕硇?、即時性、交互性等特點(diǎn),成為大量用戶的網(wǎng)絡(luò)聚集地,因此論壇成為獲取信息的主要渠道之一。用戶可以發(fā)表一個主題來討論、提出一個問題來解決、針對社會焦點(diǎn)話題提出自己的觀點(diǎn),因此也逐漸成為廣大用戶共享信息、瀏覽信息和發(fā)表觀點(diǎn)的平臺。但是論壇每天產(chǎn)生的信息量巨大,傳播速度較快,導(dǎo)致形成的話題較多,在這種情況下,怎樣快速的瀏覽當(dāng)前熱點(diǎn)話題,來迅速了解當(dāng)前社會關(guān)注焦點(diǎn)就顯得非

2、常有意義。
  本文首先從論壇數(shù)據(jù)的采集著手,論壇的網(wǎng)頁鏈接的重復(fù)性、分頁鏈接的難以識別、隊(duì)列與數(shù)據(jù)庫的設(shè)計、多線程等問題進(jìn)行了研究,將提取的文本數(shù)據(jù)存放在數(shù)據(jù)庫中,作為本文實(shí)驗(yàn)的數(shù)據(jù)來源。
  其次,在采集的基礎(chǔ)上,對熱點(diǎn)話題發(fā)現(xiàn)進(jìn)行了研究。針對論壇帖子數(shù)據(jù)的特殊性和傳統(tǒng)的VSM僅用一個向量來描述整個文本信息的不足,本文提出了多向量維度策略,具體思想就是把一篇文本按照時間、地點(diǎn)、人物、事件分為四個子向量,對其四個子向量采用

3、各自的計算方法分別計算相似度值,再對這四個相似度值采用加權(quán)平均的方法得出最終的相似度值。最后通過與傳統(tǒng)的VSM進(jìn)行對比,證明了該算法的精確性。
  在話題檢測方面,針對論壇數(shù)據(jù)是按照時間的順序進(jìn)行每天的疊加和更新,本文提出了在時間維度上采用二次聚類的方法來檢測話題,具體思想是先對當(dāng)天同一時間維度上的帖子數(shù)據(jù)做一次局部聚類形成臨時話題集。若沒有舊話題集,則將這一次的結(jié)果保存等待下一次的聚類;若有舊話題集,則與舊話題集再做一次聚類,重

4、復(fù)訓(xùn)練數(shù)據(jù),得到最終的話題集合??紤]到 Single-Pass算法無需在動態(tài)數(shù)據(jù)源下提前確定話題的數(shù)目,而是根據(jù)相似度閾值來自動生成類簇的優(yōu)點(diǎn),本文采用的是Single-Pass聚類。最后通過實(shí)驗(yàn)證明了提出的算法思想的合理性。
  最后,在話題趨勢預(yù)測上,采用時間序列 ARIMA模型來進(jìn)行擬合,對話題的某些指標(biāo)進(jìn)行了預(yù)測分析。首先通過介紹 ARIMA模型,針對該模型的優(yōu)點(diǎn)分別給出建模步驟、模型的識別以及參數(shù)的估計、檢驗(yàn)?zāi)P偷恼_性

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(hù)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(fù)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(zhǔn)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