论文部分内容阅读
针对在海量微博数据中提取热点话题效率较低的问题，在对用户角色分类的基础上，提出了一种新的热点话题检测方法。首先，根据用户关注度进行用户角色定位，过滤掉部分用户的噪声数据；其次，采用结合语义相似度的TF—IDF函数计算特征权重，降低语义表达形式带来的误差；然后，用改进的Single—Pass聚类算法进行话题聚类，提取出微博话题；最后，根据微博转发数、评论数等对话题热度进行评估排序，从而发现热点话题。实验表明，所提出的方法使漏检率和误检率分别平均降低12．09％和2．37％，有效地提高了话题检测的正确率，验证