一种融合标签语义的微博热点话题挖掘方法

来源：计算机工程杂志2019年第10期北京时间：

作者：周福星, 陈秀真, 马进, 李生红

单位：1. 上海交通大学 网络空间安全学院, 上海 200240;2. 上海市信息安全综合管理技术研究重点实验室, 上海 200240

摘要：由于微博文本的长度较短，直接使用隐狄利克雷分布（LDA）模型会导致特征向量高维稀疏。为此，提出一种融合标签语义的热点话题挖掘方法。利用公共块算法计算微博标签的相似度，合并标签相似度较高的微博文本。采用LDA模型对合并后的文本建模，并通过K-means聚类算法挖掘微博热点话题。实验结果表明，与针对单一微博文本建模的方法以及直接合并相同标签的方法相比，该方法的困惑度较低，挖掘热点话题的准确性较高。

关键词：微博文本,隐狄利克雷分布模型,标签语义,公共块,K-means聚类

基金资助：国家自然科学基金（61562004，61431008）；国家重点研发计划网络空间安全（2016YFB0801003）。