首页|基于BTM模型和改进聚类算法的热点话题检测

基于BTM模型和改进聚类算法的热点话题检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着网络中出现大量的新闻内容,如何在短期内为用户及时发现新闻热点话题越来越受到学者们的关注.提出一种基于BTM模型和改进K-Means聚类算法的中文新闻话题检测模型.对网易新闻语料库引入BTM模型,发现与主题相关的话题词,从而推断热点话题;针对K-Means算法初始值敏感等问题,将基于共轭梯度的人工鱼群算法引入传统的K-Means算法;利用改进K-Means聚类算法对得到的话题词进行聚类.实验结果表明,所提方法与传统方法相比可有效、准确提高话题的准确性.
HOT TOPIC DETECTION BASED ON BTM MODEL AND IMPROVED CLUSTERING ALGORITHM

徐菲菲、陈赛红、田宇

展开 >

上海电力大学计算机科学与技术学院 上海200090

BTM模型 话题检测 K-Means聚类 共轭梯度 人工鱼群

国家自然科学基金国家自然科学基金上海市教育发展基金会和上海市教委"晨光计划"

612724376130509413CG58

2022

10.3969/j.issn.1000-386x.2022.05.043

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(5)
  • 1
  • 13