论文部分内容阅读
针对高维、稀疏的中文微博数据，提出一种多步骤的新闻话题发现方法。首先结合微博的传播特点，选取出不同时间窗口中具有较高新闻价值的微博文本；再利用隐主题模型挖掘微博内容中隐含的主题信息，并在此基础上进行文本聚类；最后使用频繁项集挖掘技术获取话题关键词集合。该算法能够较好地实现对中文微博数据的降维与话题发现。真实的微博数据集实验结果验证了该方法的有效性。