计算机科学与探索

作者：黄畅，郭文忠，郭昆

单位：1.福州大学 数学与计算机科学学院，福州 3501162.福州大学 网络计算与智能信息处理重点实验室，福州 3501163.福州大学 空间数据挖掘与信息共享教育部重点实验室，福州 350116

关键词：热点话题发现,微博,突发词对主题模型（BBTM）,主题模型

针对目前基于主题模型的微博短文本热点话题发现存在特征稀疏、高维度以及需要人工指定主题数目等问题，提出一种基于改进突发词对主题模型（bursty biterm topic model，BBTM）的热点话题发现方法（hot topic-hot biterm topic model，H-HBTM）。首先，利用词的突发概率进行特征选择，过滤非突发词。其次，结合微博文本的突发特性和传播特性计算微博词对的热值突发概率，将热值突发概率作为BBTM的先验概率。最后，利用基于密度的方法自适应选择BBTM的最优话题数目，确定最优BBTM，实现热点话题发现。在真实微博数据集上的实验表明，H-HBTM可以在不需要预先设定主题数目的情况下，自动发现最优话题模型，并且H-HBTM发现的热点话题的质量高于基于BBTM、词对主题模型以及潜在狄立克雷分配的方法。

来源：2019年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第7期