增量式聚类的新闻热点话题发现研究

doi:10.3969/j.issn.1006-2475.2017.03.010

计算机与现代化

增量式聚类的新闻热点话题发现研究

1.广西民族大学信息科学与工程学院，广西南宁530006；
2.广西民族大学东盟研究中心（广西科学实验中心）,广西南宁530006

收稿日期:2016-07-13 出版日期:2017-03-29 发布日期:2017-03-30
作者简介:王丽颖（1991-），女，吉林松原人，广西民族大学信息科学与工程学院、广西民族大学东盟研究中心（广西科学实验中心）硕士研究生，研究方向：信息安全，数据挖掘；葛丽娜（1969-），女，广西南宁人，教授，博士，研究方向：网络安全；张翼鹏（1991-），男，硕士研究生，研究方向：数据挖掘；王红（1990-），女，硕士研究生，研究方向：信息安全。
基金资助:
国家自然科学基金资助项目(61462009)；广西高等学校优秀中青年骨干教师培养工程项目(GXQG012013014)；广西民族大学中国-东盟研究中心（广西科学实验中心）2014年度开放课题项目

（TD201404）

Research on Hot News Topic Detection of Incremental Clustering

1. College of Information Science and Engineering, Guangxi University for Nationalities, Nanning 530006, China;
2. ChinaASEAN Study Center（Guangxi Science Experiment Center） of Guangxi University
for Nationalities, Nanning 530006, China

Received:2016-07-13 Online:2017-03-29 Published:2017-03-30

摘要/Abstract

摘要：

为实现新闻热点话题的排行和发现，对新闻文本进行聚类，通过对报道频率的研究，利用热度公式计算得到新闻热点话题TOP排行榜。针对增量式聚类方法SinglePass算法相似度公式计算代价大

和特征值选择不够准确的不足提出改进方案，利用抓取的新闻语料库数据对改进算法进行实验验证与分析，实验数据与SinglePass算法聚类结果进行对比，得到了更理想的新闻热点聚类效果，表明了

算法的可行有效性。

关键词: 新闻热点话题, 文本聚类, SinglePass算法, 热度公式

Abstract:

News text clustering is applied to achieve ranking and finding hot news topics. To obtain hot topic news ranking by the formula of heat, the reporting rate is studied.

To overcome the shortcomings of huge cost of calculation and inaccuracy of selecting eigenvalues when SinglePass is used to cluster, its proposed enhanced methods to solve

the problems. The improved algorithm is verified and analyzed through the experiment using fetched news corpus. The result of experiments is compared to the SinglePass, and a

more desirable hot news clustering effect is presented, the feasibility of modified algorithm is demonstrated.

Key words: hot news topic, text clustering, SinglePass algorithm, formula of heat

中图分类号:

TP393

王丽颖1,2，葛丽娜1,2，张翼鹏1,2，王红1,2. 增量式聚类的新闻热点话题发现研究[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.03.010.

WANG Liying1,2， GE Lina1,2， ZHANG Yipeng 1,2， WANG Hong1,2. Research on Hot News Topic Detection of Incremental Clustering[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.03.010.

参考文献

［1］洪宇,张宇,刘挺,等. 话题检测与跟踪的评测及研究综述［J］. 中文信息学报, 2007,21(6):71-87.
［2］刘红雨. 基于倒排索引的微博话题检测［D］. 哈尔滨:哈尔滨工业大学, 2013.
［3］骆卫华,于满泉,许洪波,等. 基于多策略优化的分治多层聚类算法的话题发现研究［J］. 中文信息学报, 2006,20(1):29-36.
［4］王雅琳,陆向艳,钟诚. 基于链接和萤火虫算法聚类博文发现热点话题［J］. 计算机工程与设计, 2015(6):1620-1625.
［5］叶成绪, 杨萍,刘少鹏. 基于主题词的微博热点话题发现［J］. 计算机应用与软件, 2016(2):46-50.
［6］张玉杰. 基于偏斜数据集的中文文本分类问题的改进特征权重算法研究［D］. 长春:东北师范大学, 2010.
［7］夏春燕. 适用于文本信息推荐的用户兴趣模型构建与更新方法［D］. 成都:电子科技大学, 2014.
［8］唐国瑜,夏云庆,张民,等. 基于跨语言广义向量空间模型的跨语言文档聚类方法［J］. 中文信息学报, 2012,26(2):116-120.
［9］许景楠. 基于评论和评分的个性化推荐算法研究［D］. 杭州:浙江大学, 2013.
［10］格桑多吉,乔少杰,韩楠,等. 基于SinglePass的网络舆情热点发现算法［J］. 电子科技大学学报, 2015(4):599-604.
［11］高妮,周明全,耿国华,等. 基于文本挖掘的话题发现技术［J］. 计算机工程, 2009,35(19):36-38.
［12］税仪冬,瞿有利,黄厚宽. 周期分类和SinglePass聚类相结合的话题识别与跟踪方法［J］. 北京交通大学学报, 2009,33(5):85-89.
［13］蔡超,由凯. 一个面向大数据的文本近似查重框架［C］// 第二十七届全国计算机信息管理学术研讨会. 2013.
［14］马国栋,李慧. 基于改进Kmeans算法的BBS热点话题发现［J］. 首都师范大学学报(自然科学版), 2015,35(4):12-15.
［15］殷风景,肖卫东,葛斌,等. 一种面向网络话题发现的增量文本聚类算法［J］. 计算机应用研究, 2011,28(1):54-57.
［16］张越今,丁丁. 敏感话题发现中的增量型文本聚类模型［J］. 信息网络安全, 2015(9):170-174.
［17］兰凯梅. BBS热点话题发现与监控系统［D］. 北京:北京交通大学, 2011.
［18］方星星,吕永强. 基于改进的SinglePass网络舆情话题发现研究［J］. 计算机与数字工程, 2014(7):1233-1237.
［19］孙玲芳,周加波,徐会,等. 基于改进Kmeans的网络舆情热点事件发现技术［J］. 计算机与现代化, 2014(4):143-147.

[1]	刘锟, 曾曦, 邱梓珩, 陈周国, . 基于RoBERTa-WWM 和HDBSCAN的文本聚类算法[J]. 计算机与现代化, 2022, 0(03): 48-52.
[2]	盖璇. 基于聚类分析算法的垃圾邮件识别[J]. 计算机与现代化, 2020, 0(10): 17-22.
[3]	李霄野，李春生，李龙,张可佳. 基于LDA模型的文本聚类检索[J]. 计算机与现代化, 2018, 0(06): 7-.
[4]	姜凯，苑金海. 融合差分进化和SOM的组合文本聚类算法[J]. 计算机与现代化, 2015, 0(5): 13-16+20.
[5]	王琼. 一种改进的k-means文本聚类优化方法[J]. 计算机与现代化, 2015, 0(3): 48-51,56.
[6]	侯泽民，巨筱. 一种改进的基于潜在语义索引的文本聚类算法[J]. 计算机与现代化, 2014, 0(7): 24-27.
[7]	穆翠霞1,2,刘振华1,武涛1. 面向电子商务的网页检索聚类方法[J]. 计算机与现代化, 2014, 0(5): 70-73.
[8]	谢梓琪，谢颖华. 一种基于数据挖掘的SNS用户兴趣模型[J]. 计算机与现代化, 2014, 0(2): 24-27+31.
[9]	郑诚;李鸿. 基于主题模型的K-均值文本聚类[J]. 计算机与现代化, 2013, 1(8): 78-80,8.
[10]	王剑锋;麻丽娜;李新叶;乔冬. 基于潜在语义分析和自组织特征映射神经 网络的文本聚类研究 [J]. 计算机与现代化, 2010, 1(02): 77-79.
[11]	张春炉;沈建京. 基于SOM算法的文本聚类实现[J]. 计算机与现代化, 2010, 1(01): 29-31,3.

增量式聚类的新闻热点话题发现研究

Research on Hot News Topic Detection of Incremental Clustering

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价