文件名称：论文研究-基于MFIHC聚类和TOPSIS的微博热点发现方法.pdf
文件大小：1.12MB
文件格式：PDF
更新时间：2022-08-11 15:39:14
网络舆情,TOPSIS,热点发现,聚类,微博
针对微博的文本存在短小、快速、变化等特点，导致热点发现困难的问题，提出了一种基于改进的FIHC聚类和TOPSIS的热点发现方法。首先把知网语义相似度引入FIHC聚类算法score函数的计算，考虑了频繁词之间的语义联系，更准确地生成基于频繁词的初始簇；然后对微博文本重复的初始簇进行消减，再采用Single-Pass聚类的思想对消减完的话题簇进一步聚类最终得到热点话题；最后对热点话题采用改进的TOPSIS模型进行排序，更好地获得热点话题的排行。通过与其他文本聚类算法以及热点发现方法对比，该方法热点发现效果好，能够比较全面地反映当前的热点话题。