| 基于改进K-均值的微博热点话题发现方法 | |
| 陈阳键1; 温秋华2 | |
| 2023-03-28 | |
| 发表期刊 | 太赫兹科学与电子信息学报
 |
| ISSN | 2095-4980 |
| 卷号 | 21期号:03页码:378-383+391 |
| 摘要 | 微博文本数据高维度、同义、多义特征明显，传统基于向量空间模型(VSM)联合K-均值的热点话题发现方法存在准确率低，计算复杂，聚类中心难以确定等问题。提出一种相关向量机(RVM)优化VSM的微博文本向量化方法，首先利用RVM的自适应特征选择能力对VSM特征向量进行降维，然后利用主成分分析(PCA)方法确定K-均值算法的初始聚类中心，进而采用K-均值算法得到聚类结果，最后根据微博转发、评论和高影响力用户数量定义热度指数，热度指数最大的话题即为当前热点话题。采用实际微博文本数据集开展实验，结果表明所提方法相对于2种传统方法的准确率分别提升7.3%和1.1%，实时性分别提升45%和53%。 |
| 关键词 | 热点话题发现 向量空间模型 话题聚类 数据降维 微博 |
| URL | 查看原文 |
| 语种 | 中文 |
| 资助项目 | 广东省广州市高校第九批教育教学改革基金资助项目(2017F10) |
| 原始文献类型 | 学术期刊 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/49121 |
| 专题 | 国家开放大学广州分部 |
| 作者单位 | 1.广州开放大学(广州市广播电视大学)数字化服务中心; 2.暨南大学信息科学技术学院 |
| 第一作者单位 | 国家开放大学广州分部 |
| 第一作者的第一单位 | 国家开放大学广州分部 |
| 推荐引用方式 GB/T 7714 | 陈阳键,温秋华. 基于改进K-均值的微博热点话题发现方法[J]. 太赫兹科学与电子信息学报,2023,21(03):378-383+391. |
| APA | 陈阳键,&温秋华.(2023).基于改进K-均值的微博热点话题发现方法.太赫兹科学与电子信息学报,21(03),378-383+391. |
| MLA | 陈阳键,et al."基于改进K-均值的微博热点话题发现方法".太赫兹科学与电子信息学报 21.03(2023):378-383+391. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [陈阳键]的文章 |
| [温秋华]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [陈阳键]的文章 |
| [温秋华]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [陈阳键]的文章 |
| [温秋华]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
| 相关推荐 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论