改进的话题检测和跟踪算法研究

摘要：

话题检测可以及时发现互联网舆情热点和突发性事件，并可对话题进行持续跟踪，从而实时掌握舆情事件动向。文中提出了一种基于聚类的改进话题检测和跟踪算法。首先，对文本的特征向量进行改进，增加了基于句子主干的主干向量。然后对每个检测到的话题提取两个中心向量，一个是基本中心向量，另一个是基于主干向量提炼的主干中心向量。在此基础上再通过计算每个文本与中心向量之间的距离进行聚类分析，保证话题中各个文本之间的内聚性。同时基于主题词抽取，在主题词的基础上计算话题之间的主题相关性，有效地实现了子话题检测功能，从而提高了话题检测和跟踪的准确性。通过对10大网站5个频道超过两周数据量的测试，结果表明此方法在一定程度上提高了话题检测和跟踪的正确率，并具有一定的适应性和推广性。

关键词：话题检测和跟踪、聚类算法、特征向量、网络舆情

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61170132

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：84-88