基于BTM的微博舆情热点发现

摘要：

[目的/意义]作为一种新兴的社交新闻媒体，近年来，微博在许多热点事件的发布和传播中发挥了重要作用。但由于其文本的特殊性，传统方法不能有效地对其进行建模发现热点话题。因此，如何高效、准确地从微博数据中发现并提取有意义的热点信息是一个很有价值的研究课题。[方法/过程]提出一种基于BTM模型的微博舆情热点发现方法。首先，对微博文本采用BTM建模，改进TF-IDF权重计算算法，以适应微博短文本的特征。并将BTM建模结果与改进的TF-IDF权重算法结合对微博文本进行特征提取及相似性度量，然后采用K-means聚类方法发现热点话题。[结果/结论]通过对新浪微博数据集的对比实验及结果分析验证了本方法的有效性。本方法能够有效解决传统模型在文本建模中所面临的高维度和稀疏性问题，显著改善热点话题的发现质量。

关键词：词对主题模型、短文本、微博舆情、相似性度量

所属期刊栏目：35

分类号：G350(情报学、情报工作)

在线出版日期：2016-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-124,140