基于主题模型的微博热点话题发现

发布时间：2021-04-03 04:07

　　进入WEB 2.0以来,社交媒体给人们的生活带来越来越多的乐趣,人们的生活已经离不开移动互联网。同时以微博为代表的社交媒体成为公众获取时政信息、讨论社会热点以及学习交流的重要渠道。微博以其便利性及低门槛性受到公众的欢迎,与此同时,公众可以通过各种终端浏览微博话题或者发布微博信息。一些网民发表自己当时的心情与生活状态,还有一些网民发表自己对某些热点话题的见解,使得微博平台产生了各种各样杂乱无章的信息。面对各种结构的复杂信息,通过人力去发现热点话题显得不切实际。尤其是进入大数据时代以来,数据体量大,数据更新速度快以及数据的多样性和真实性给数据挖掘带来了一定的挑战。因此,研究微博的热点话题发现以及演化是一项有价值的课题。如何快速准确的发现整个微博空间中公众讨论的热点话题,并探究这些话题背后的演化规律一直是相关学者的研究目标。目前的研究存在以下不足:一是在热点话题发现方面,建模前的特征选择阶段未考虑到微博的特性,提取的特征不够精确,从而影响话题发现的效率;同时以往的研究中并没有一种适合微博特征的热点话题发现的框架;二是在热点话题演化方面没有一种结合微博话题标签实时地发现话题演化规律的模型,也没... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

关于“微博热点话题”的国内外文献发文量时间分布

第一章 绪论5图1.2 国外“微博热点话题”的关键词分析从图 1.2 中可以看出，最初国外学者将研究重点放在 Twitter 上，说明 Twitter 一出现就引起了各位学者的关注。进入 WEB2.0 以后将研究重点转为“社交媒体”，这个时候出现了中文微博，有学者开始研究中文的“文本挖掘”。随着网络技术的发展，学术界对微博的分析更偏向于语义分析（sentiment analysis），通过引入更多的机器学习方法来挖掘微博背后所含的语义信息，尤其是以狄利克雷分配为代表的主题模型得到了广泛的应用。最近几年，学者们将研究重点放在了中文文本上，也就是自然语言处理

西安电子科技大学硕士学位论文6图1.3 国内“微博热点话题”的关键词分析1.2.4 研究机构和国家分析分析国家和机构可以清晰地看出各个国家和机构在某个研究领域的成果以及科研产出，从而反映这个国家和机构在这个研究领域内的研究水平、投入资源以及对科研重视程度。在 CiteSpace 中，将节点类型设置为“机构”和“国家”，其他值为默认值，节点越大，说明某个国家或者机构出现的频次越多，节点之间的联系表示两个节点之间的共现关系。图 1.4 为“微博热点话题”的国家合作网络图。图中展示了数量在 35 以上的国家，从图中可以看出，对微博热点话题研究产生重要影响的国家是美国和中国，说明中国和美国的学者更关注对微博的研究，这两个国家对这个领域的科研产出也是最大的。表 1.1 是“微博热点话题”国家分布情况，本文选取了对“微博热点话题”的发文量排名前五的国家。从国家分布表中也可以看出，美国与中国的发文量远超其他国家


本文编号：3116584