基于粒子群算法的微博热点话题发现分析

发布时间：2018-03-31 15:18

  本文选题：粒子群算法　切入点：微博　出处：《情报科学》2016年12期

【摘要】：微博平台门槛低、用户多、时效性强、随意转发等特点,使其成为目前流行的消息分享媒介。因此如果能够提前发现热点话题,给用户提供高影响力的话题就变得越来越重要了。选取了大量微博用户数据作为原始数据集,从中提取了100多个话题,对这些话题用粒子群算法进行迭代,把迭代过程中该话题的最高影响力作为该话题的最终影响力。确定出影响力高于14的话题就是有价值的热点话题,以此提取热点话题。通过提前发现热点话题,相关部门可以及时发现和引导舆情、阻碍谣言的传播,促使微博朝着健康、可持续的方向发展。
[Abstract]:Weibo platform has the characteristics of low threshold, many users, strong timeliness, random forwarding and so on, which makes it a popular news sharing medium. Therefore, if we can find hot topics in advance, It is becoming more and more important to provide users with high-impact topics. A large number of Weibo user data are selected as raw data sets, from which more than 100 topics are extracted, and these topics are iterated by particle swarm optimization. Take the highest influence of the topic during the iteration as the final influence of the topic. Identify the topic with influence above 14 as a valuable hot topic to extract hot topics. By identifying hot topics ahead of time, Relevant departments can timely discover and guide public opinion, hinder the spread of rumors, promote Weibo towards a healthy and sustainable direction.
【作者单位】： 韶关学院信息管理系;韶关学院教育技术系;韶关学院应用数学系;
【基金】：教育部人文社会科学研究青年基金项目(13YJCZH144)
【分类号】：TP18;G206

【相似文献】

相关期刊论文 前10条

1 郭明山;刘秉瀚;;一种改进的混沌粒子群算法[J];福建电脑;2008年02期

2 张楠;邢志栋;董建民;王辛;;一种基于粒子群算法和育种算法的混合算法[J];西北大学学报(自然科学版);2008年01期

3 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

4 张泰雷;刘春生;;基于改进粒子群算法的控制分配研究与应用[J];伺服控制;2012年06期

5 黄珍;潘颖;曹晓丽;;粒子群算法的基本理论及其改进研究[J];硅谷;2014年05期

6 焦国辉;;一种改进的粒子群算法稳定性证明及其应用[J];现代计算机(专业版);2014年14期

7 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期

8 彭志平;张慧;;一种改进的粒子群算法在协商优化中的应用[J];计算机工程;2008年10期

9 沈佳宁;须文波;孙俊;;基于量子粒子群算法的收敛性研究[J];微计算机信息;2009年06期

10 唐小勇;于飞;潘洪悦;;改进粒子群算法的潜器导航规划[J];智能系统学报;2010年05期

相关会议论文 前10条

1 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

2 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

3 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

4 李洪全;王京;;基于粒子群算法的自适应PID控制[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路径费用拆分方法研究[A];第二十六届中国控制会议论文集[C];2007年

6 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年

7 杨诚;杨传启;;基于粒子群算法的PID参数优化[A];第七届工业仪表与自动化学术会议论文集[C];2006年

8 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

9 刘衍民;马卫民;;基于高斯白噪声扰动的混合粒子群算法及其应用[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年

10 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前10条

1 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

2 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

3 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

4 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

5 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

6 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年

7 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

8 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年

9 张震;骨干粒子群算法及其在电力变压器设计中的应用[D];浙江大学;2014年

10 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年

相关硕士学位论文 前10条

1 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

2 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

3 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

4 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

5 苗冬云;基于改进粒子群算法的云任务调度方案研究[D];安徽财经大学;2015年

6 蒋晓\~;粒子群算法在多维优化问题中的改进研究[D];浙江理工大学;2016年

7 刘角;生态系统粒子群算法及其在阵列天线方向图优化中的应用[D];太原理工大学;2016年

8 王秀全;基于蚁群粒子群算法的无线多媒体传感器网络覆盖优化[D];太原理工大学;2016年

9 鲍立婷;粒子群算法在基于LBS快递派送中的应用研究[D];东华理工大学;2016年

10 林雨庆;粒子群算法自适应行为分析研究[D];吉林大学;2016年

，

本文编号：1691300