基于DTM-LPA的突发事件话题演化方法研究——以H7N9微博为例

发布时间：2018-02-01 02:51

本文关键词： 话题演化动态话题模型标签传播算法社区发现突发事件　出处：《图书与情报》2015年03期 　论文类型：期刊论文

【摘要】：传统的动态话题模型在高维、稀疏的微博数据上进行话题演化分析时,存在话题数无法确定与结果可解释性差的问题,为此文章提出了一种结合动态话题模型与社区发现技术的话题演化方法,即DTM-LPA方法,即首先利用动态话题模型选取不同时间窗口中具有较高价值的演化词;然后根据各个时间窗口上的微博构造演化词共现网络;再借用标签传播算法找到演化词之间的社区,并根据演化词社区来追踪各个时间窗口上的话题。最后,文章以新浪微博上H7N9禽流感事件为例进行了实证研究,实验结果表明文章所提出的方法能真实地实现微博话题演化分析。
[Abstract]:When the traditional dynamic topic model is used to analyze the topic evolution on the high dimensional and sparse Weibo data, there is the problem that the number of topics can not be determined and the result can be interpreted. In this paper, a topic evolution method, DTM-LPA method, is proposed, which combines dynamic topic model with community discovery technology. Firstly, the dynamic topic model is used to select the high value evolutional words in different time windows. Then according to Weibo on each time window, the cooccurrence network of evolution words is constructed. Then we use the label propagation algorithm to find the community between the words of evolution and track the topics in each time window according to the community of evolution words. Finally. This paper takes the H7N9 avian influenza event on Sina Weibo as an example. The experimental results show that the method proposed in this paper can truly realize the analysis of Weibo topic evolution.
【作者单位】：南京理工大学信息管理系;安徽财经大学管理科学与工程学院;江苏省数据工程与知识服务重点实验室(南京大学);
【基金】：国家社会科学基金重大项目“面向突发事件应急决策的快速响应情报体系研究”(项目编号:13&ZD174);国家社会科学基金项目“在线社交网络中基于用户的知识组织模式研究”(项目编号:14BTQ033) 江苏省数据工程与知识服务重点实验室开放课题“在线社交网络上交叉学科用户知识结构发现及其兴趣演变研究”(项目编号:DEKS2014KT006)研究成果之一
【分类号】：R511.7;G206
【正文快照】： 1引言截止2015年3月,新浪微博月均活跃用户数(Mau’s)为1.98亿[1]。尽管每个用户允许发布的微博文本通常受限制于140字以内,但规模如此庞大的微博群体所发布的言论在引发公共议题和公众情绪等方面体现出了强大的舆论引导作用和传播效果。有时微博上一些过激的言论被盲目地操纵

【参考文献】