版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,微博作為一種社交媒體已經(jīng)獲得了社會(huì)各界的廣泛關(guān)注。但是如何從海量、不規(guī)則的微博數(shù)據(jù)中高效地提取出有效的信息來進(jìn)行話題發(fā)現(xiàn),仍然是目前亟待解決的問題。因此,使用主題模型挖掘微博數(shù)據(jù)的方法得以產(chǎn)生。目前,學(xué)者們已經(jīng)對(duì)于主題模型進(jìn)行了大量的研究,但現(xiàn)有的方法技術(shù)仍然存在一些不足,主要體現(xiàn)在:一是計(jì)算的復(fù)雜度太高,對(duì)于大數(shù)據(jù)級(jí)別的微博數(shù)據(jù)計(jì)算的效率不高;二是使用一些主題模型(比如傳統(tǒng)的 LDA模型)對(duì)微博這種短文把數(shù)據(jù)進(jìn)行
2、聚類后的準(zhǔn)確度不高等?;诖?,本文提出了一種融入改進(jìn)的VSM模型和BTM主題模型和改進(jìn)的適合微博數(shù)據(jù)的K-Means聚類方法的新浪微博數(shù)據(jù)挖掘方法,在保證計(jì)算微博數(shù)據(jù)效率的同時(shí),提高微博數(shù)據(jù)挖掘的準(zhǔn)確度。
本文對(duì)VSM-BTM主題模型的微博數(shù)據(jù)挖掘方法進(jìn)行了研究,研究?jī)?nèi)容主要分為微博數(shù)據(jù)的預(yù)處理、VSM-BTM建模、適合微博的聚類方法三個(gè)部分。其中,微博數(shù)據(jù)的預(yù)處理包括分詞、去停用詞、刪除噪音數(shù)據(jù)等過程,并將預(yù)處理的結(jié)果以tx
3、t格式的文本保存,作為下一步主題建模的輸入。在VSM-BTM建模過程中,首先使用現(xiàn)有的BTM主題模型進(jìn)行建模,對(duì)數(shù)據(jù)預(yù)處理的結(jié)果進(jìn)行不斷地迭代,得到“文檔-主題”矩陣和“主題-詞語”矩陣,同時(shí),利用BTM主題模型生成的詞庫表和微博數(shù)據(jù)轉(zhuǎn)碼結(jié)果,提出了一種使用JS距離和余弦距離相結(jié)合計(jì)算微博數(shù)據(jù)之間的相似度的方法。適合微博的聚類方法是使用適合微博數(shù)據(jù)的改進(jìn)K-Means聚類方法對(duì)建模結(jié)果進(jìn)行聚類分析,主要是通過利用現(xiàn)有微博數(shù)據(jù)選取合適的初
4、始簇和計(jì)算距離的方法對(duì)傳統(tǒng)的K-Means聚類算法進(jìn)行了改進(jìn)。最后采用準(zhǔn)確率、召回率和F1值對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析評(píng)價(jià)。使用VSM-BTM主題模型進(jìn)行建模的方法避免了微博數(shù)據(jù)稀疏性的缺陷,且不需要使用外部信息對(duì)微博數(shù)據(jù)進(jìn)行擴(kuò)充,降低了對(duì)文本以外信息的依賴性。
通過實(shí)驗(yàn),本文對(duì)單純的LDA主題模型、單純的BTM主題模型和本文提出的VSM-BTM主題模型的微博熱點(diǎn)話題發(fā)現(xiàn)效果進(jìn)行對(duì)比分析,以3個(gè)主題模型的準(zhǔn)確率、召回率和F1值為對(duì)比分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于微博的熱點(diǎn)話題發(fā)現(xiàn).pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)的研究.pdf
- 中文微博的熱點(diǎn)話題發(fā)現(xiàn).pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)方法研究.pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)與話題演化的研究.pdf
- 基于微博自身特征的熱點(diǎn)話題發(fā)現(xiàn)研究.pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)研究與實(shí)現(xiàn).pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)的方法實(shí)現(xiàn).pdf
- 基于隱含語義分析的微博熱點(diǎn)話題發(fā)現(xiàn)策略.pdf
- 基于容錯(cuò)粗糙集的微博熱點(diǎn)話題發(fā)現(xiàn)研究.pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)方法的研究和實(shí)現(xiàn).pdf
- 基于微博熱點(diǎn)話題發(fā)現(xiàn)的關(guān)鍵技術(shù)研究.pdf
- 微博熱點(diǎn)話題發(fā)現(xiàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于新浪微博的熱點(diǎn)話題發(fā)現(xiàn)系統(tǒng)研究與實(shí)現(xiàn).pdf
- 中文微博新詞與熱點(diǎn)話題發(fā)現(xiàn)技術(shù)研究.pdf
- 微博客熱點(diǎn)話題發(fā)現(xiàn)策略研究.pdf
- 基于主題模型的微博話題發(fā)現(xiàn)與話題摘要.pdf
- 一種基于微博的熱點(diǎn)話題發(fā)現(xiàn)算法的研究與實(shí)現(xiàn).pdf
- 基于語境分析的微博熱點(diǎn)話題檢測(cè)研究.pdf
- 基于優(yōu)化TF-IDF與詞共現(xiàn)的微博熱點(diǎn)話題發(fā)現(xiàn)研究.pdf
評(píng)論
0/150
提交評(píng)論