基于微博自身特征的熱點話題發(fā)現(xiàn)研究.pdf

1、隨著智能終端設備的普及以及移動互聯(lián)網的發(fā)展，人們接入互聯(lián)網的方式變得越來越便捷，同時，人們對社交活動的需求變的愈發(fā)強烈，在這種情況下，各類社交軟件開始迅猛發(fā)展，目前廣為使用的主要有騰訊QQ、微信、易信、微博等，在這一系列社交軟件中，微博憑借其自身的開放性，實時性和快速傳播等特性吸引了廣大用戶，也正是由于用戶群體的龐大性，使得微博信息形成了一個海量數(shù)據(jù)流，導致大量信息都被這無盡的數(shù)據(jù)流所掩埋，如何在這浩如煙海的數(shù)據(jù)中獲取到有意義信息，發(fā)現(xiàn)

2、人們感興趣的熱點話題成了微博研究的一個重要方面。
　　本文從微博自身特征出發(fā)，分析了其用戶及數(shù)據(jù)相關特征，在此基礎上提出了一種針對微博熱點話題發(fā)現(xiàn)的IH(Influence-Hot)數(shù)據(jù)篩選方法。另外，本文研究了傳統(tǒng)話題發(fā)現(xiàn)相關方法，分析傳統(tǒng)方法各自的特點和存在的缺陷，提出了一種改進不完全單遍聚類ISP(Incomplete Single-Pass)與LDA(Latent Dirichlet Allocation)模型相結合的IS

3、P-LDA微博熱點話題發(fā)現(xiàn)方法。本文主要工作如下：
　　1）基于微博特征的IH數(shù)據(jù)篩選方法。本文在分析了微博用戶特點的基礎上，研究了不同微博用戶在平臺中扮演的角色，提出了一種微博用戶影響力因子Uinfluence計算方法；在分析了微博數(shù)據(jù)特點的基礎上，結合微博話題的傳播特性，提出了一種微博信息傳播熱度Whot計算方法。最后綜合了用戶影響力和微博傳播熱度參數(shù)，提出了一種基于微博微博自身特征的IH數(shù)據(jù)篩選方法。該方法在不降低數(shù)據(jù)有效性

4、的前提下大幅度壓縮數(shù)據(jù)規(guī)模，從而降低了整個話題發(fā)現(xiàn)過程的時間復雜度。
　　2）改進不完全單遍聚類與LDA模型相結合的ISP-LDA微博熱點話題發(fā)現(xiàn)方法。本文研究了傳統(tǒng)話題發(fā)現(xiàn)的多種方法，分析了各自的特點與不足，結合微博數(shù)據(jù)相關特征，提出了一種改進的不完全單遍聚類方法(ISP)，在此基礎上，再將ISP方法處理的結果運用LDA建模處理得到最后的微博熱點話題。ISP-LDA方法結合了單遍聚類數(shù)據(jù)處理的快速性以及LDA模型話題表述的準確性