隨著互聯(lián)網(wǎng)的普及,Facebook,Twitter,微博等社交網(wǎng)絡(luò)平臺憑借其方便快捷的特點(diǎn)迅速普及,逐漸成為傳統(tǒng)媒體以外的一個重要的信息來源。許多用戶使用社交平臺來表達(dá)自己的感受,與朋友分享感興趣的內(nèi)容與話題。同時社交網(wǎng)絡(luò)上許多突發(fā)性話題,往往會在網(wǎng)絡(luò)社交平臺上發(fā)布,借助用戶的好友轉(zhuǎn)發(fā)機(jī)制迅速傳播,引起廣泛的社會共鳴,進(jìn)而產(chǎn)生巨大的社會影響。人們面臨的問題不僅是如何在海量的互聯(lián)網(wǎng)信息跟蹤突發(fā)事件和輿情走向,還需要從中找到自己真正感興趣的實(shí)時話題信息,因此,一個能檢測突發(fā)事件并推送給感興趣用戶的推薦算法能夠帶來更好的用戶體驗(yàn)。鑒于以上需求,本文在前人研究的基礎(chǔ)上,以新浪微博為研究平臺,改進(jìn)了傳統(tǒng)話題檢測技術(shù)并提出了一種基于主題模型的微博推薦方法。本文主要工作有以下三個部分:首先,根據(jù)新浪微博中突發(fā)事件發(fā)生的突發(fā)特征,使用突發(fā)詞特征來檢測微博中的突發(fā)話題,并使用LDA主題模型獲得突發(fā)微博的主題概率分布。其中,使用相對詞頻,詞頻增長率,突發(fā)權(quán)重三個特征來篩選突發(fā)詞,將存在突發(fā)詞的微博標(biāo)記為突發(fā)微博,同時對突發(fā)微博進(jìn)行主題建模。實(shí)驗(yàn)證明實(shí)際采集的微博文本數(shù)據(jù)不僅提高了話題檢測效率,還更好地降低了...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.6對比實(shí)驗(yàn)圖

會慘雜著大量的無關(guān)緊要的一些話題，噪聲較大，導(dǎo)致查準(zhǔn)率非常大時，查準(zhǔn)率會不斷増大，而查全率會相應(yīng)的降低。當(dāng)閾值為45的準(zhǔn)率都達(dá)到61%，對應(yīng)效果最好，因此突發(fā)詞閾值選取45。比實(shí)驗(yàn)為文本為中心的突發(fā)詞聚類方法作為baseline方法，分別對比查準(zhǔn)，將通過算法獲得的推薦....

本文編號：4025386