一种基于用户关联分析的热点话题识别算法

计算机与现代化

一种基于用户关联分析的热点话题识别算法

华北计算技术研究所总体部，北京100083

收稿日期:2013-10-22 出版日期:2014-01-20 发布日期:2014-02-10
作者简介: 张昭(1988-)，男，湖北公安人，华北计算技术研究所总体部硕士研究生,研究方向：信息安全，数据挖掘；艾中良(1971-)，男，河北保定人，主任，正研级高级工程师，研究方向：信息应用，信息管理与共享。

A Hot Topic Identification Algorithm Based on User Relevance Analysis

General Department, North China Institute of Computing Technology, Beijing 100083

Received:2013-10-22 Online:2014-01-20 Published:2014-02-10

摘要/Abstract

摘要： 为了提高从社交网络文本信息中发现热点话题的准确率，提出一种基于用户关联分析的热点话题识别算法。该算法综合考虑词频变化率和用户权威度，词频变化率通过EMA和MACD等指标来计算，用户权威度通过建立用户关联图的方式来计算。使用基于HITS算法的话题热度度量计算方法，将词频变化率数据和用户权威度数据结合在一起，得到话题的热度值。实验结果表明，使用基于用户关联分析的热点话题识别算法能够提高热点话题发现准确率。

关键词: , 话题检测, 用户权威度度量, 特征变化率度量

Abstract: To improve the accuracy of detecting hot topic from social network text information, a hot topic identification algorithm based on user relevance analysis is raised. The algorithm considers both the frequency change rate of feature word and the authority of users. The frequency change rate of feature word is elevated using EMA and MACD indicators and the authority of users is calculated by creating user relevance graph. We use a method based on HITS algorithm to calculate the hot value of topic by combining feature frequency change rate data with user authority data together. According to the result of the experiment, the hot topic identification algorithm based on user relevance analysis can raise the accuracy of hot topic identification.

Key words: hot topic detection, user authority calculation, feature change rate calculation

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.

ZHANG Zhao, AI Zhong-liang. A Hot Topic Identification Algorithm Based on User Relevance Analysis[J]. Computer and Modernization.

参考文献［14］

	［1］
	Pui G, Jeffrey X Y, Philip S Y, 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.
［2］	Cataldi M, Di Caro L, Schifanella C. Emerging topic detection on twitter based on temporal and social terms evaluation［C］// Proceedings of the Tenth International Workshop on Multimedia Data Mining. 2010.
［3］	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.
［4］	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.
［5］	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.
［6］	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.
［7］	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. 
［8］	Cha M, Gummadi K P. Measuring user influence in Twitter: The million follower fallacy［J］. Artificial Intelligence, 2010,146(1):10-17.
［9］	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. 〖HJ1mm〗
［10］	Page L, Brin S, Motwani R, et al. The PageRank Citation Ranking: Bringing Order to the Web［R］. Technical Report, Stanford University, 1998.
［11］	Weng J, Lim E P, Jiang J, et al. TwitterRank: Finding topic-sensitive influential twitterers［C］// Proceedings of the Third International Conference on Web Search and Web Data Mining. 2010.
［12］	蔡颖琨,谢昆青,马修军. 屏蔽了输入参数敏感性的DBSCAN改进算法［J］. 北京大学学报：自然科学版, 2004,40(3):480-486.
［13］	He D, Parker D S. Topic dynamics: An alternative model of bursts in streams of topics［C］// Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2010:443-452.
［14］	Kleinberg J M. Hubs, authorities, and communities［J］. ACM Computing Surveys, 1999,31(4es).

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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-.
[6]	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-.
[7]	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-.
[8]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[9]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.
[10]	夏琨1，丁波1，刘俊1，刘子豪1，林亮成2. 基于内容分析的网络协议指纹识别[J]. 计算机与现代化, 2018, 0(05): 121-.
[11]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.
[12]	陈丽娟，谢伙生. 带负项值的onshelf效用项集并行挖掘算法[J]. 计算机与现代化, 2018, 0(04): 13-.
[13]	吴克介,王家伟. 基于知网与搜索引擎的词汇语义相似度计算[J]. 计算机与现代化, 2018, 0(04): 90-.
[14]	曲晓燕1，张勇亮2，吕晓峰1，马羚1. 基于模糊粒度相关向量机的缓变故障参数区间预测[J]. 计算机与现代化, 2017, 0(8): 5-.
[15]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.