论文研究孤立点预处理和SinglePass聚类结合的微博话题检测方法.pdf

针对如何快速发现微博中的热点话题，提出了一种具有更高准确率的中文微博话题检测方案。首先，优化了微博文本的特征选择，经过分析获得的这些博文特征有助于不同词性对话题表达的重要性；其次，在此基础上，提出了通过计算博文阈值的方法，将零散主题的博文作为噪声过滤，并用来降低博文集的维度；在现有Single-Pass聚类算法的基础上，引入了主题词的概念，根据中心向量的特征权重选择主题词，最终形成一种孤立点预处理与Single-Pass相结合的微博话题检测方法。实验结果表明，相比传统的Single-Pass算法，该方法有效去除了数据集的大部分孤立点，不仅具有较低的漏检率和误检率，而且在时间损耗方面表现更佳。