微博熱點(diǎn)話題發(fā)現(xiàn)的研究.pdf

1、微博平臺(tái)作為WEB2.0時(shí)代的新產(chǎn)物，近年來(lái)得到了快速發(fā)展。由于其方便快捷的消息傳播模式，越來(lái)越多的信息充斥著微博平臺(tái)，如何實(shí)現(xiàn)微博平臺(tái)中的信息的發(fā)掘、提取和分析是研究熱點(diǎn)之一。本文研究的微博平臺(tái)中熱點(diǎn)話題發(fā)現(xiàn)的問(wèn)題，具有較強(qiáng)的社會(huì)和現(xiàn)實(shí)意義。
　　本文的主要工作如下:
　　1、通過(guò)研究微博文本的特點(diǎn)，結(jié)合以往長(zhǎng)文本聚類的研究，針對(duì)微博短文本不能直接使用傳統(tǒng)的長(zhǎng)文本聚類算法的問(wèn)題，提出了基于微博評(píng)論文本的文本擴(kuò)展和基于How

2、Net語(yǔ)義擴(kuò)展的雙重方案，評(píng)論文本擴(kuò)展彌補(bǔ)了微博文本短小、表達(dá)多樣化的缺點(diǎn);HowNet語(yǔ)義擴(kuò)展解決了擴(kuò)展文本長(zhǎng)度不均勻?qū)垲惤Y(jié)果的影響。同時(shí)，在基于微博評(píng)論的文本擴(kuò)展處，提出了基于微博文本簇的評(píng)論篩選方法，并且針對(duì)不同類型的評(píng)論應(yīng)用了不同的擴(kuò)展方案。
　　2、針對(duì)微博文本的特點(diǎn)，在層次聚類和基于劃分的聚類算法的基礎(chǔ)上提出了基于BIRCH算法初始化的K-means算法。該算法解決了K-means算法需要手動(dòng)設(shè)置聚類參數(shù)k的問(wèn)題，并

3、優(yōu)化了初始聚類中心的選擇，有效的減少了K-means算法的迭代次數(shù);并且由于BIRCH算法對(duì)噪聲有很好的識(shí)別性，因而增強(qiáng)了算法整體的抗噪性。
　　3、研究了微博熱點(diǎn)話題的特征、傳播過(guò)程，分析了影響微博熱度的各個(gè)因素，并根據(jù)影響因素，結(jié)合用戶分類，提出了話題熱度的評(píng)估模型和詳盡的話題熱度計(jì)算公式。
　　論文最后根據(jù)上文提到的理論研究，使用JAVA設(shè)計(jì)實(shí)現(xiàn)了微博熱點(diǎn)話題發(fā)現(xiàn)系統(tǒng)，并通過(guò)B/S模式對(duì)得出的熱點(diǎn)話題進(jìn)行了展示，通過(guò)對(duì)