[發明專利]一種基于改進的Single?pass聚類算法的微博話題檢測方法在審
| 申請號： | 201711223603.8 | 申請日： | 2017-11-29 |
| 公開（公告）號： | CN107832467A | 公開（公告）日： | 2018-03-23 |
| 發明（設計）人： | 沈琦;高云雪 | 申請（專利權）人： | 北京工業大學 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30;G06F17/27;G06Q50/00 |
| 代理公司： | 北京匯信合知識產權代理有限公司11335 | 代理人： | 夏靜潔 |
| 地址： | 100124 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 改進 single pass 算法 話題 檢測 方法 | ||
1.一種基于改進的Single-pass聚類算法的微博話題檢測方法，其特征在于，包括：
步驟1、微博文本內容采集；
步驟2、文本預處理，所述文本預處理包括去除噪聲干擾、去除少于10個字的微博內容、詞干還原、文本分詞和去除停用詞；
步驟3、基于LDA建立文本向量模型；
步驟4、基于改進的Single-pass聚類算法對文本向量模型進行文本聚類，包括：
步驟41、向文本向量模型中增加文本的時間參數；
步驟42、將文本數據分批聚類成小話題類別，計算每批數據中每個小話題類別的聚類中心點，將所有小話題類別聚類成大話題類別；
所述聚類的方法為進行聚類中心點的相似度計算，判斷其是否大于相似度閾值；若小于相似度閾值，則自成一類，若大于相似度閾值，則進行時間閾值判斷；若大于時間閾值，則自成一類，若小于時間閾值，則將新數據歸于該類；
步驟5、結果評測。
2.如權利要求1所述的基于改進的Single-pass聚類算法的微博話題檢測方法，其特征在于，在步驟1中，微博文本內容采集包括：
通過爬蟲技術訪問微博網站頁面爬取微博信息和來自于自然語言處理與信息檢索共享平臺發布的NLPIR微博內容語料庫。
3.如權利要求1所述的基于改進的Single-pass聚類算法的微博話題檢測方法，其特征在于，相似度計算采用余弦相似度算法。
4.如權利要求1所述的基于改進的Single-pass聚類算法的微博話題檢測方法，其特征在于，在步驟43中，時間閾值為2天。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京工業大學，未經北京工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711223603.8/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種模擬郵件收發的方法
- 下一篇：需求識別方法和裝置
