話題演變的在線方法研究.pdf

1、隨著Web2.0的出現(xiàn)和高速發(fā)展，互聯(lián)網(wǎng)中用戶所產(chǎn)生的信息容量和用戶數(shù)量都呈現(xiàn)爆炸性增長(zhǎng)的趨勢(shì)，網(wǎng)絡(luò)平臺(tái)已經(jīng)成為人們?nèi)粘Ｉ钪胁豢扇鄙俚男畔@取、交流和傳播的重要媒體?；ヂ?lián)網(wǎng)上大量的信息流中，有很大一部分是長(zhǎng)度很短的文本數(shù)據(jù)，如微博、論壇等。這些文本數(shù)據(jù)中包含了人們對(duì)社會(huì)各種現(xiàn)象的種種觀點(diǎn)和立場(chǎng)，話題涉及政治、經(jīng)濟(jì)、軍事、金融、生活、娛樂(lè)等各個(gè)領(lǐng)域。因此對(duì)這些數(shù)據(jù)流中熱點(diǎn)話題的發(fā)現(xiàn)能夠及時(shí)發(fā)現(xiàn)社會(huì)的新話題和熱點(diǎn)人物，對(duì)其跟蹤能夠幫助人們

2、了解特定數(shù)據(jù)流中話題的產(chǎn)生、傳播、發(fā)展、消亡的規(guī)律。
　　 互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息和發(fā)布信息的一個(gè)主要渠道，突發(fā)新聞事件或新聞話題可以在互聯(lián)網(wǎng)上快速傳播，而如何跟蹤該新聞事件或新聞話題的后續(xù)發(fā)展，是人們關(guān)心和迫切需要解決的問(wèn)題。隨著時(shí)間的推移，新聞話題的內(nèi)容會(huì)發(fā)生變化，新聞話題的強(qiáng)度也會(huì)經(jīng)歷一個(gè)高潮到低潮的過(guò)程。如何有效地組織這些大規(guī)模文檔，并且按照時(shí)間順序來(lái)獲取文本集合中話題的演化趨勢(shì)，可以幫助人們跟蹤感興趣的話題。更重要

3、的是，在一些新聞專(zhuān)題報(bào)道和安全機(jī)構(gòu)針對(duì)犯罪探測(cè)和預(yù)防的任務(wù)中，更需要從文本集合中快速準(zhǔn)確地跟蹤話題的演化趨勢(shì)并且根據(jù)演化趨勢(shì)做出相應(yīng)的預(yù)測(cè)。因此，話題演化的研究具有實(shí)際意義。
　　 與傳統(tǒng)的特征抽取方法相比，非負(fù)矩陣分解(NMF)方法抽取的特征向量更能反映樣本的局部特征，并具有很高的可解釋性和預(yù)測(cè)性。因此，本文首先介紹了NMF算法及其在文本聚類(lèi)方面的應(yīng)用，由于NMF存在初始化敏感和收斂速度慢的問(wèn)題，本文提出用K均值算法來(lái)初始化N