一种融合用户关系的自适应微博话题跟踪方法

doi:10.3969/j.issn.0372-2112.2017.06.014

电子学报 ›› 2017, Vol. 45 ›› Issue (6): 1375-1381.DOI: 10.3969/j.issn.0372-2112.2017.06.014

一种融合用户关系的自适应微博话题跟踪方法

柏文言^1,2, 张闯¹, 徐克付¹, 张志明³

1. 中国科学院信息工程研究所, 北京 100093;
2. 北京邮电大学计算机学院, 北京 100876;
3. 北京英孚泰克信息技术股份有限公司, 北京 100089

收稿日期:2015-07-24 修回日期:2016-01-08 出版日期:2017-06-25
- 通讯作者:
- 张闯
- 作者简介:
- 柏文言 女,1990年5月出生于河北省唐山市.现为北京邮电大学计算机学院硕士研究生,主要研究方向为社交网络、信息安全.E-mail:baiwenyan@bupt.edu.cn;徐克付 男,1977年8月出生在湖北省随州市.博士,现为中国科学院信息工程研究所副研究员,硕士生导师.主要研究方向为分布式系统、网络与信息安全、智能信息处理等.E-mail:xukefu@iie.ac.cn;张志明 男,1987年12月出生在四川省广元市.现就职于北京英孚泰克信息技术股份有限公司,高级项目经理.主要业务方向为大数据、软件项目集成、软件安全和逆向工程等.E-mail:zhangzhiming@itcchina.com
- 基金资助:
- 国家自然科学基金 (No.61602474）

A Self-Adaptive Microblog Topic Tracking Method by User Relationship

BAI Wen-yan^1,2, ZHANG Chuang¹, XU Ke-fu¹, ZHANG Zhi-ming³

1. Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100093, China;
2. School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China;
3. Information Technologies Co, (Beijing)Ltd, Beijing 100089, China

Received:2015-07-24 Revised:2016-01-08 Online:2017-06-25 Published:2017-06-25
- Supported by:
- National Natural Science Foundation of China (No.61602474)

摘要/Abstract

摘要：

针对微博口语化、文本短小等特点以及现有研究的不足，本文提出了一种融合用户关系的自适应微博话题跟踪方法.首先，在当前跟踪的时间窗内，推文被映射到特征空间，并作为候选推文集合.然后，针对推文的分布特点以及话题跟踪的目的，变换推文特征空间.在此基础上，利用改进的K-means聚类算法对候选推文集合进行二元聚类，从而划分出相关推文集合，即当前话题目标模型.本文通过Twitter平台获取数据进行实验，实验结果表明，该方法能够实时地跟踪话题热度的变化以及焦点的演变，并提高了微博中话题跟踪的稳定性.该方法为用户推荐、舆情分析等领域提供了有效的支撑.

关键词: 微博, 话题跟踪, 自适应, 用户关系, 极坐标, K-means算法

Abstract:

Considering the colloquial,short text and other characteristics of microblog and deficiencies in research of it,this article proposes a self-adaptive topic tracking method of microblog by user relationship.First of all,during the tracking time window,the candidate tweet set is mapped into feature space.Secondly,aiming at the characteristic of tweet distribution and the purpose of topic tracking,the paper converts the tweets' feature space.Based on this operation,a binary clustering on tweets set can be constructed by improved K-means clustering algorithm.The yielded relative collection is the target model of the current topic.The experiments with the data extracted from Twitter,show that this method can track down the trend of hot topics and the evolution of focuses in real time,and improve the stability of topic tracking in microblog.This method serves well for user recommendation and public opinion analysis.

Key words: microblog, topic tracking, self-adaptive, user relationship, polar coordinates, K-means algorithm

中图分类号:

TP391

柏文言, 张闯, 徐克付, 等. 一种融合用户关系的自适应微博话题跟踪方法[J]. 电子学报, 2017, 45(6): 1375-1381.

BAI Wen-yan, ZHANG Chuang, XU Ke-fu, et al. A Self-Adaptive Microblog Topic Tracking Method by User Relationship[J]. Acta Electronica Sinica, 2017, 45(6): 1375-1381.

参考文献

[1] Lin J,Kolcz A.Large-scale machine learning at Twitter[A].Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data[C].USA:ACM,2012.793-804.
[2] Petrovi S,Osborne M,Lavrenko V.Streaming first story detection with application to Twitter[A].Human Language Technologies:The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics[C].USA:ACL,2010.181-189.
[3] Phuvipadawat S,Murata T.Breaking news detection and tracking in Twitter[A].IEEE/WIC/ACM Web Intelligence and Intelligent Agent Technology[C].USA:ACM,2010.120-123.
[4] Duan Y,Wei F,Zhou M,et al.Graph-based collective classification for tweets[A].Proceedings of the 21st ACM International Conference on Information and Knowledge Management[C].USA:ACM,2012.2323-2326.
[5] Nishida K,Hoshide T,Fujimura K.Improving tweet stream classification by detecting changes in word probability[A].Proceedings of the 35th International ACM SIGIR Conference on Research and Development in Information Retrieval[C].USA:ACM,2012.971-980.
[6] Albakour M,Macdonald C,Ounis I.On sparsity and drift for effective real-time filtering in microblogs[A].Proceedings of the 22nd ACM International Conference on Conference on Information & Knowledge Management[C].USA:ACM,2013.419-428.
[7] 崔争艳.基于语义的微博短信息分类[J].现代计算机,2010,(8):18-20. CUI Zheng-yan.Short message classification of microblogging based on semantic[J].Modern Computer,2010,(8):18-20.(in Chinese)
[8] 路荣,项亮,刘明荣,杨青.基于隐主题分析和文本聚类的微博客中新闻话题的发现[J].模式识别与人工智能,2012,25(3):382-387. Lu R,Xiang L,Liu M R,Liu Q.Discovering news topics from microblogs based on hidden topics analysis and text clustering[J].Pattern Recognition & Artificial Intelligence,2012,25(3):382-387.(in Chinese)
[9] Tang J,Wang X,Gao H,et al.Enriching short text representation in microblog for clustering[J].Frontiers of Computer Science in China,2012,6(1):88-101.
[10] 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.
[11] 洪宇,张宇,范基礼,刘挺,李生.基于语义域语言模型的中文话题关联检测[J].软件学报,2008,19(9):2265-2275. Hong Y,Zhang Y,Fan JL,Liu T,Li S.Chinese topic link detection based on semantic domain language model[J].Journal of Software,2008,19(9):2265-2275.(in Chinese)
[12] 郝建波.微博突发话题检测、跟踪与传播预测技术研究[D].哈尔滨:哈尔滨工程大学,2013.
[13] 刘彦伟.微博话题追踪系统的研究与实现[D].北京:北京交通大学,2013.
[14] 王慧.微博话题追踪方法研究与设计[D].北京:北京交通大学,2014.
[15] 史存会.微博客话题追踪及实时检索的相关研究[D].大连:大连理工大学,2011.

一种融合用户关系的自适应微博话题跟踪方法

A Self-Adaptive Microblog Topic Tracking Method by User Relationship

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	王子为, 鲁继文, 周杰. 基于自适应梯度优化的二值神经网络[J]. 电子学报, 2023, 51(2): 257-266.
[2]	张志涵, 朱凤增, 彭力. 基于自适应事件触发的跳变系统故障检测滤波[J]. 电子学报, 2023, 51(2): 499-507.
[3]	田晖, 严艳, 汤莉莉, 吴俊彦, 王慧东, 全韩彧. 基于分数基音延迟动态搜索的语音隐写算法[J]. 电子学报, 2023, 51(1): 67-75.
[4]	阚庆云, 许京伟, 廖桂生. 和差天线空时自适应测角方法及性能分析[J]. 电子学报, 2023, 51(1): 42-49.
[5]	陇盛, 陶蔚, 张泽东, 陶卿. 非光滑强凸情形Adam型算法的最优收敛速率[J]. 电子学报, 2022, 50(9): 2049-2059.
[6]	孔玮, 刘云, 李辉, 崔雪红, 杨浩冉. 基于全局自适应有向图的行人轨迹预测[J]. 电子学报, 2022, 50(8): 1905-1916.
[7]	钟沛龙, 黎明, 何超, 陈昊. 基于SOM聚类和自适应算子选择的高维多目标进化算法[J]. 电子学报, 2022, 50(8): 1959-1974.
[8]	江兵兵, 何文达, 吴兴宇, 项俊浩, 洪立斌, 盛伟国. 基于自适应图学习的半监督特征选择[J]. 电子学报, 2022, 50(7): 1643-1652.
[9]	李纪三, 纪彦星, 曹鼎, 刘溶, 任渊. 基于广义时间窗的旋转相控阵雷达资源调度算法[J]. 电子学报, 2022, 50(5): 1050-1057.
[10]	姜奇, 文悦, 张瑞杰, 魏福山, 马建峰. 面向智能手机的自适应触屏持续认证方案[J]. 电子学报, 2022, 50(5): 1131-1139.
[11]	易令, 李泽平. 基于深度强化学习的码率自适应算法研究[J]. 电子学报, 2022, 50(5): 1192-1200.
[12]	杨曦, 张鑫, 郭浩远, 王楠楠, 高新波. 基于不变特征的多源遥感图像舰船目标检测算法[J]. 电子学报, 2022, 50(4): 887-899.
[13]	王延达, 陈炜通, 皮德常, 岳琳. 一种自适应记忆神经网络多跳读取与覆盖度机制结合的药物推荐模型[J]. 电子学报, 2022, 50(4): 943-953.
[14]	吴孙勇, 李东升, 薛秋条, 孙希延, 蔡如华. 基于PHD滤波的雷达起伏目标检测前跟踪算法研究[J]. 电子学报, 2022, 50(3): 691-702.
[15]	李志博, 李清宝, 兰明敬, 孙剑帆. 基于镜像选择序优化的MART算法[J]. 电子学报, 2022, 50(2): 314-325.