基于隐马尔科夫链的微博信息热点抽取算法研究与设计

下载PDF

导出

摘要微博信息更新速度快、内容零散化,因此难以进行信息检索与数据挖掘。针对上述问题,提出了一个基于隐马尔科夫链的微博信息热点抽取算法,给出了该算法的基本处理思路与形式化表述,并最终对其进行了测试。实验表明,该算法具有良好的综合性能,能够高效准确的抽取微博信息热点。

作者严宇

机构地区电子科技大学成都学院电子工程系

出处《信息系统工程》 2015年第10期129-129,131,共2页

关键词微博信息热点抽取隐马尔科夫链

参考文献5

1申国伟,杨武,王巍,于淼.面向大规模微博消息流的突发话题检测[J].计算机研究与发展,2015,52(2):512-521. 被引量：15
2Farzindar Atefeh, Wael Khreich. A Survey of Techniques for Event Detection in Twitter [J]. Computational Intelligence. 2015.31(1):132-164.
3邱云飞,郭弥纶,邵良杉.基于主题树的微博突发话题检测[J].计算机应用,2014,34(8):2332-2335. 被引量：6
4Jie Zhao, Xueya Wang, Zheng Ma. Towards Events Detection from Microblog Messages[J]. International Journal of Hybrid Information Technology. 2014.7(1):201-210.
5Xiaoming Zhanga, Author Vitae, Xiaoming ChenaAuthor Vitae, et al. Event detection and popularity prediction in microblogging[J]. Neurocomputing. 2015.149(3):1469-1480.

1刘群,李素建.基于《知网》的词汇语义相似度计算[EB/OL].http://www.keenage.com/papers.
2洪宇,张宇,刘挺,李生.话题检测与跟踪的评测及研究综述[J].中文信息学报,2007,21(6):71-87. 被引量：153
3Sakaki T. Okazaki M. Matsuo Y. Tweet analysis for real?time event detection and earthquake reporting system development[J]. IEEE Trans on Knowledge and Data Engineering. 2013: 25(4).919-931.
4Hong Liangjie , Brian D. Empirical study of topic modeling in twitter[C]//Proc of SOMA'IO. New York: ACM. 2010: 80-88.
5Diao Qiming. Jiang j ing , Zhu Feida , et al. Find bursty topic from micrcblogs[C]//PTOC of ACL'12. New York: ACM. 2012: 536-544.
6Cui Anqi , Zhang Min. Liu Yiqun , et al. Discover breaking events with popular hash tags in twitter[C]//PTOC of CIKM'12. New York: ACM, 2012: 1794-1798.
7Takahashi T. Tomioka R, Yarnanishi K. Discovering emerging topics in social streams via link anomaly detection[C]//Proc of ICDM'II. Piscataway. NJ: IEEE. 2011: 1230-1235.
8Krishna Y, James C. Transient crowd discovery on the real?time social Web[C] I/Proc of WSDM'11. New York: ACM. 2011: 585-594.
9Cataldi M, Caro L, Schifanella C. Emerging topic detection on twitter based on temporal and social terms evaluation[C] I/Proc of MDMKDD?10. New York: ACM, 2010: No.4.
10Angel A, Koudas N. Sarkas N, et al, Dense subgraph maintenance under streaming edge weight updates for real?time story identification[C]//Proc of VLDB'12. New York: ACM. 2012: 574-585.

1陈千,桂志国,郭鑫,向阳.基于特征本体的文本流主题演化[J].计算机应用,2015,35(2):456-460. 被引量：3
2王征,王林森,赵磊.基于信息密度的微博突发话题检测模型研究[J].情报理论与实践,2016,39(3):125-129. 被引量：5
3张艳红,王宝会.基于深度神经网络的社会媒体网络分析[J].计算机科学,2016,43(4):252-255. 被引量：5
4兰天,郭躬德.基于词共现关系和粗糙集的微博话题检测方法[J].计算机系统应用,2016,25(6):17-24. 被引量：1
5彭敏,官宸宇,朱佳晖,谢倩倩,黄佳佳,黄济民,杨绍雄,高望,应称.面向社交媒体文本的话题检测与追踪技术研究综述[J].武汉大学学报（理学版）,2016,62(3):197-217. 被引量：14
6徐宏博,赵文涛,孟令军.一种基于MapReduce的改进文本输入方式的并行分词方法研究[J].电脑知识与技术,2016,0(8):171-175.
7仲兆满,管燕,胡云,李存华.基于背景和内容的微博用户兴趣挖掘[J].软件学报,2017,28(2):278-291. 被引量：25
8王振飞,朱静阳,郑志蕴,宋玉.基于R-C模型的微博社区用户影响力分析[J].计算机科学,2017,44(3):254-258. 被引量：2
9万越,隋杰.基于用户行为影响的微博突发话题检测方法[J].中国科学技术大学学报,2017,47(4):328-335. 被引量：9
10阳馨.基于信息功率谱的微博热点挖掘模型[J].兰州理工大学学报,2017,43(3):106-111. 被引量：1

信息系统工程

2015年第10期

内容加载中请稍等...