基于文本聚类的网络微博舆情话题识别与追踪技术研究

作者：闫俊伢; 马尚才

来源：重庆理工大学学报：自然科学, 2019, 33(09): 176-181.

• 微博舆情
• 本文聚类
• K-means
• 主题词
• 主题模型
• 聚类算法
• 话题识别

为解决传统话题识别与跟踪方法在处理微博数据时存在的高维、稀疏等问题,提出了一种网络微博话题主题词抽取模型和改进聚类方法。首先,对微博数据以特征词汇选择的方式进行了改进,优先选择时间片内词频统计较高(包含信息量较大)的词汇作为特征词汇,从而降低向量空间的维数,提升运行效率;其次,采用LDA模型来进行微博数据的文本表示;最后,采用基于遗传优化的K-means算法进行聚类分析,提高了聚类结果的准确率和稳定性。网络微博数据实验结果验证了提出方法的有效性,表明其可解决数据处理稀疏、高维的问题。相比其他聚类算法,提出方法在话题识别的多个性能指标上均表现良好,并能准确展示出话题的动态变化。

• 单位
  山西财经大学