基于用户关联的热点话题检测方法

计算机与现代化 ›› 2015, Vol. 0 ›› Issue (4): 20-25,30.

基于用户关联的热点话题检测方法

南京航空航天大学计算机科学与技术学院，江苏南京210016

收稿日期:2014-12-02 出版日期:2015-04-27 发布日期:2015-04-29
作者简介:李洪利(1990-),女,江苏滨海人,南京航空航天大学计算机科学与技术学院硕士研究生,研究方向：信息安全,信息检索；王箭(1968-),男,教授,博士生导师,研究方向：应用密码学，系统安全分析与设计。

Hot Topics Detection Method Based on User Relevance

College of Computer Science & Technology, Nanjing University of Aeronautics & Astronautics, Nanjing 210016, China

Received:2014-12-02 Online:2015-04-27 Published:2015-04-29

摘要/Abstract

摘要：

为了提高从微博信息中检测热点话题的准确率，提出一种基于用户关联的热点话题检测方法。依据用户权威度对微博用户排序，过滤拥有低权威度值用户的相关微博信息。用户权威度通过

基于PageRank的微博用户权威度评价模型来计算。将用户权威度数据与微博评论数、转发数结合在一起，得到话题的热度值。实验结果表明，所提出的方法在微博应用中能够有效识别“僵尸”用户，使

漏检率和误检率分别平均降低19.78%和4.77%，能较好地提高热点话题检测成果的准确率。

关键词: , PageRank算法, 微博, 用户权威度, 话题检测

Abstract:

To improve the accuracy of detecting hot topic from social network text information, a hot topic detection algorithm based on user relevance is raised.

According to user authority to the user orientation， some noise data of parts of users are filtered out． The authority of users is calculated by micro-blog users authority

evaluation model based on PageRank algorithm． The heat evaluation of micro-blog topics is made by combining the number of reposts and comments with user authority data together

， thus the hot topics are found． The result of the experiment shows that the method can effectively identify “zombie” users， and further the average missing rate and false

detection rate respectively decrease by 19.78% and 4.77%， indicate the topic detection accuracy rate is effectively improved．

Key words: PageRank algorithm, micro-blog, user authority, topic detection

李洪利，王箭. 基于用户关联的热点话题检测方法[J]. 计算机与现代化, 2015, 0(4): 20-25,30.

LI Hong-li, WANG Jian. Hot Topics Detection Method Based on User Relevance[J]. Computer and Modernization, 2015, 0(4): 20-25,30.

［1］薛峰，周亚东，高峰，等．一种突发性热点话题在线发现与跟踪方法［J］．西安交通大学学报， 2011，45(12):64-69． 
［2］ Gabriel Pui Cheong Fung， Jeffrey Xu Yu， Philip S Yu， et al． Parameter free burst events detection in text streams［C］// Proceedings of the 31st International

Conference on Very Large Data Bases． 2005:181-192．
［3］ Cataldi M， Di Caro L， Schifanella C． Emerging topic detection on twitter based on temporal and social terms evaluation［C］// Proceedings of the 10th

International Workshop on Multimedia Data Mining． 2010． 
［4］ Sayyadi H， Hurst M， Maykov A． Event detection and tracking in social streams［C］// Proceedings of the International Conference on Weblogs and Social Media．

2009． 
［5］龙志炜，程葳．基于词聚类的热点话题检测算法［J］．计算机工程与设计， 2011，32(6):2214-2217．
［6］张寿华，刘振鹏．网络舆情热点话题聚类方法研究［J］．小型微型计算机系统， 2013，34(3):471-474．
［7］陈友，程学旗，杨森．面向网络论坛的高质量主题发现［J］．软件学报， 2011，22(8):1785-1804．
［8］鲁明羽，姚晓娜，魏善岭．基于模糊聚类的网络论坛热点话题挖掘［J］．大连海事大学学报， 2008，34(4):52-58． 
［9］ Cha M， Gummadi K P． Measuring user influence in Twitter: The million follower fallacy［J］． Artificial Intelligence， 2010，146(1):10-17．
［10］Kimura M， Saito K， Nakano Ｒ， et al． Extracting influential nodes on a social network for information diffusion［J］． Data Mining and Knowledge Discovery， 2009，

20(1):70-97．
［11］杨武，李阳，卢玲. 基于用户角色定位的微博热点话题检测方法［J］．计算机应用， 2013，33(11):3076-3079．

［12］ 张昭，艾中良．一种基于用户关联分析的热点话题识别算法［J］．计算机与现代化， 2014(1):156-160,163．
［13］原福永，冯静，符茜茜. 微博用户的影响力指数模型［J］. 现代图书情报技术， 2012(6):60-64．
［14］杨冠超．微博客热点话题发现策略研究［D］．杭州:浙江大学， 2011．
［15］薛素芝，鲁燃，任圆圆. 基于速度增长的微博热点话题发现［J］. 计算机应用软件， 2013,30(9):2598-2601．
［16］任姚鹏，陈立潮．结合语义的特征权重计算方法研究［J］．计算机工程与设计， 2010，31(10):2381-2383．
［17］刘群，李素建．基于《知网》的词汇语义相似度的计算［EB/OL］． http://download．csdn．net/detail/c183662101/1668191, 2013-04-20． 
［18］尹婵娟. 基于聚类分析的微博热点话题检测研究［D］．南京：南京工业大学, 2012.
［19］孙胜平．中文微博客热点话题检测与跟踪技术研究［D］．北京:北京交通大学， 2011．
［20］National Institute of Standards and Technology． The 2003 Topic Detection and Tracking Task Definition and Evaluation Plan ［EB/OL］．

http://www.nist.gov/speech/tests/tdt/tdt2003/evalplan.htm, 2013-04-26．
［21］迟呈英，李红．基于改进TF PDF算法的网络新闻热点话题检测和跟踪［J］．计算机应用与软件， 2013,30(12):311-314．
［22］何静，郭进利. 基于改进PageRank算法的微博用户影响力研究［J］. 中国报业， 2013(01):21-23.

[1]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[2]	万兵1, 2, 3, 赵文涛4, 潘多涛1, 赵峥韬2, 3, 孙朝阳2, 3, 俞建成2, 3. 无人帆船半物理仿真测试系统设计[J]. 计算机与现代化, 2024, 0(12): 91-99.
[3]	陈宇航1, 杨勇1, 帕力旦·吐尔逊1, 樊小超1, 任鸽1, 刁宇峰2. 融合句法特征与语义特征的作文自动评分方法[J]. 计算机与现代化, 2024, 0(11): 64-69.
[4]	黄文栋, 王怡凡. 基于模态类别的多模态信息处理与融合综述[J]. 计算机与现代化, 2024, 0(07): 47-62.
[5]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[6]	卢悦, 曹春萍. 融合用户历史传播信息的微博谣言检测[J]. 计算机与现代化, 2022, 0(06): 37-42.
[7]	陈瀛, 生佳根. 基于LDA和Word2vec的微博标签生成算法[J]. 计算机与现代化, 2021, 0(12): 37-42.
[8]	刘梦颖, 王勇. 基于文本双表示模型的微博热点话题发现[J]. 计算机与现代化, 2021, 0(12): 110-115.
[9]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[10]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[11]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[12]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[13]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[14]	刘俊杰1，马畅2，邵维龙2，韩东红2，夏利2. 面向新浪微博的意见领袖挖掘算法[J]. 计算机与现代化, 2018, 0(09): 80-.
[15]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.