论文研究 基于隐含语义分析的微博话题发现方法.pdf

随着微博的大量普及和关注度的不断提高，微博热点话题发现已成为当前研究热点。针对于短文本、向量空间模型（VSM）文本表示方法存在高维度、稀疏，以及同义多义问题，导致难以准确度量文本相似度，提出一种基于隐含语义分析的两阶段聚类话题发现方法。引入话题热度的概念来选取具有一定关注度的微博文本，用隐含语义分析（LSA）对数据集进行建模；用层次聚类的CURE算法确定初始类中心；用K-means聚类得到热点话题的聚类结果。真实微博数据集的实验结果验证了该方法的有效性。