話題演變的在線方法研究.pdf

1、隨著Web2.0的出現(xiàn)和高速發(fā)展，互聯(lián)網(wǎng)中用戶所產(chǎn)生的信息容量和用戶數(shù)量都呈現(xiàn)爆炸性增長的趨勢，網(wǎng)絡平臺已經(jīng)成為人們?nèi)粘Ｉ钪胁豢扇鄙俚男畔@取、交流和傳播的重要媒體。互聯(lián)網(wǎng)上大量的信息流中，有很大一部分是長度很短的文本數(shù)據(jù)，如微博、論壇等。這些文本數(shù)據(jù)中包含了人們對社會各種現(xiàn)象的種種觀點和立場，話題涉及政治、經(jīng)濟、軍事、金融、生活、娛樂等各個領(lǐng)域。因此對這些數(shù)據(jù)流中熱點話題的發(fā)現(xiàn)能夠及時發(fā)現(xiàn)社會的新話題和熱點人物，對其跟蹤能夠幫助人們

2、了解特定數(shù)據(jù)流中話題的產(chǎn)生、傳播、發(fā)展、消亡的規(guī)律。
　　 互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息和發(fā)布信息的一個主要渠道，突發(fā)新聞事件或新聞話題可以在互聯(lián)網(wǎng)上快速傳播，而如何跟蹤該新聞事件或新聞話題的后續(xù)發(fā)展，是人們關(guān)心和迫切需要解決的問題。隨著時間的推移，新聞話題的內(nèi)容會發(fā)生變化，新聞話題的強度也會經(jīng)歷一個高潮到低潮的過程。如何有效地組織這些大規(guī)模文檔，并且按照時間順序來獲取文本集合中話題的演化趨勢，可以幫助人們跟蹤感興趣的話題。更重要

3、的是，在一些新聞專題報道和安全機構(gòu)針對犯罪探測和預防的任務中，更需要從文本集合中快速準確地跟蹤話題的演化趨勢并且根據(jù)演化趨勢做出相應的預測。因此，話題演化的研究具有實際意義。
　　 與傳統(tǒng)的特征抽取方法相比，非負矩陣分解(NMF)方法抽取的特征向量更能反映樣本的局部特征，并具有很高的可解釋性和預測性。因此，本文首先介紹了NMF算法及其在文本聚類方面的應用，由于NMF存在初始化敏感和收斂速度慢的問題，本文提出用K均值算法來初始化N