基于微博多維度及綜合權(quán)值的熱點(diǎn)話題檢測(cè)模型

程克非，鄧先均，周 科，羅 昭，陳旭東

(1.重慶郵電大學(xué) 網(wǎng)絡(luò)智能與網(wǎng)絡(luò)技術(shù)重點(diǎn)實(shí)驗(yàn)室，重慶 400065；2.重慶市公安局 網(wǎng)絡(luò)安全保衛(wèi)總隊(duì)，重慶 401120)

0 引 言

中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(China internet network information center, CNNIC)在京發(fā)布第42次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[1]顯示，截至2018年6月30日，中國(guó)網(wǎng)民規(guī)模達(dá)到8.02億，互聯(lián)網(wǎng)普及率為57.7%。越來越多的網(wǎng)民可以隨時(shí)隨地方便快捷地借助網(wǎng)絡(luò)來自由表達(dá)對(duì)輿情事件的看法、態(tài)度和主張。如今網(wǎng)民可以自由地在互聯(lián)網(wǎng)平臺(tái)上暢所欲言，正所謂人人都是新聞?dòng)浾?，人人具有發(fā)言權(quán)，正如人人面前都有一個(gè)“麥克風(fēng)”，互聯(lián)網(wǎng)已然成為群眾維權(quán)和表達(dá)民意較為快捷方便、有效的平臺(tái)之一。自然而然，網(wǎng)絡(luò)輿情對(duì)于社會(huì)的發(fā)展影響也就越來越重要。

微博作為網(wǎng)絡(luò)輿情的主戰(zhàn)場(chǎng)之一，對(duì)微博中的網(wǎng)絡(luò)輿情進(jìn)行研究具有重要意義。與傳統(tǒng)的話題檢測(cè)相比(如在線新聞和報(bào)紙)，微博具有傳播方式簡(jiǎn)單、傳播速度快、影響力大、參與性和互動(dòng)性強(qiáng)等特點(diǎn)，而且微博對(duì)熱點(diǎn)話題非常敏感，這些使得微博對(duì)熱點(diǎn)事件的傳播起到了很大的作用。

微博熱點(diǎn)話題檢測(cè)不僅具有深遠(yuǎn)的經(jīng)濟(jì)和社會(huì)價(jià)值，而且也為各種商業(yè)和社交應(yīng)用提供了更加強(qiáng)大和靈活的支撐。用戶可以實(shí)時(shí)地了解重大事件、掌握社會(huì)熱點(diǎn)、追蹤社會(huì)動(dòng)態(tài)[2]；企業(yè)可以了解相關(guān)領(lǐng)域的發(fā)展動(dòng)態(tài)，在對(duì)用戶有吸引力的熱點(diǎn)話題中尋找機(jī)會(huì)；相關(guān)部門可以及時(shí)了解當(dāng)前社會(huì)熱點(diǎn)事件和社會(huì)輿論的方向，對(duì)于幫助其及時(shí)有效地引導(dǎo)輿論、落實(shí)相應(yīng)政策具有較大意義。

本文的貢獻(xiàn)包括：①提出一個(gè)多維度熱點(diǎn)話題度量模型，對(duì)話題熱度進(jìn)行多方位度量，能夠更準(zhǔn)確地對(duì)話題進(jìn)行熱度度量；②引入熱度變化率，高效地過濾掉熱度值較低的話題，再?gòu)奈⒉┚W(wǎng)絡(luò)輿情演化理論出發(fā)，使用回復(fù)加速度過濾掉已處于衰退、消亡階段的話題，從而提高突發(fā)性熱點(diǎn)話題檢測(cè)的準(zhǔn)確性；③提出的方法可以準(zhǔn)確地檢測(cè)出突發(fā)性熱點(diǎn)話題，并跟蹤其發(fā)展趨勢(shì)，從而將較新的、有價(jià)值的熱點(diǎn)話題推薦給用戶，具有較高的應(yīng)用價(jià)值。

1 相關(guān)工作

微博中的大部分?jǐn)?shù)據(jù)都是關(guān)于人們的日常生活，只有部分微博含有流行事件信息。因此，面對(duì)復(fù)雜多樣的微博信息，如何從中準(zhǔn)確地提取出熱點(diǎn)話題變得越來越重要。

圍繞熱點(diǎn)話題檢測(cè)準(zhǔn)確度低的問題，國(guó)內(nèi)外諸多學(xué)者展開了相關(guān)方面的研究。Berardinelli等[3]提出了一種基于多維句子建模和時(shí)間線分析的熱點(diǎn)話題檢測(cè)方法；Steinbuch等[4]提出了一個(gè)名為潛在狄氏分配(latent Dirichlet allocation, LDA)的3級(jí)分層貝葉斯模型，這是一個(gè)生成離散數(shù)據(jù)集合的生成概率模型，如文本語料庫(kù)。Bigeard等[5]根據(jù)查詢中的術(shù)語改進(jìn)相關(guān)文檔的檢測(cè)，提出了一種自動(dòng)索引和檢索的方法，該方法利用了術(shù)語與文檔關(guān)聯(lián)中的隱式高階結(jié)構(gòu)；Golub等[6]基于計(jì)數(shù)數(shù)據(jù)因子分析的統(tǒng)計(jì)潛在類模型，提出了一種新穎的自動(dòng)文件索引方法；Sahu等[7]提出了一個(gè)在線主題模型，該模型識(shí)別文本流的新主題以及這些新主題隨時(shí)間的變化規(guī)律，并自動(dòng)捕獲主題模式；W.Ou等[8]提出了一個(gè)正則化的主題模型，通過使用單詞共現(xiàn)信息統(tǒng)計(jì)來增強(qiáng)主題學(xué)習(xí)；Kilany等[9]提出了一個(gè)名為時(shí)間區(qū)分概率模型(time discrimination probability model, TDPM)的主題檢測(cè)模型，該模型在理論上等同于具有時(shí)間區(qū)分和權(quán)重特征選擇的經(jīng)典向量空間模型。所有上述研究成功應(yīng)用于處理正常文本(如學(xué)術(shù)論文和新聞文章)，但他們沒有考慮到微博文本的特殊性。

根據(jù)微博的特點(diǎn)，現(xiàn)有的話題檢測(cè)方法有很多都是針對(duì)微博設(shè)計(jì)的。Giacoumidis等[10]提出了一種改進(jìn)的單通道聚類技術(shù)，該技術(shù)使用LDA模型代替?zhèn)鹘y(tǒng)的向量空間模型，可以提取隱藏的微博主題信息；Z.Yang等[11]提出了一種增量聚類框架，該框架可以基于時(shí)間特征和一系列內(nèi)容快速檢測(cè)熱點(diǎn)話題；Jafariakinabad等[12]采用了一個(gè)名為核心項(xiàng)潛在狄利克雷分配模型的微博話題檢測(cè)模型；Pang等[13]開發(fā)了一種新穎的主題模型，可以通過在整個(gè)語料庫(kù)中明確建模詞匯共現(xiàn)模式來捕捉短文內(nèi)的主題；C.Zhang等[14]開發(fā)了一種高效的熱點(diǎn)話題檢測(cè)算法，可以在線處理大量推文。

但上述研究并沒有考慮到微博熱點(diǎn)話題度量的復(fù)雜性以及其在社交網(wǎng)絡(luò)中的傳遞問題，從而導(dǎo)致熱點(diǎn)話題檢測(cè)精度低，在對(duì)突發(fā)性熱點(diǎn)話題進(jìn)行檢測(cè)時(shí)尤為明顯。

針對(duì)上述存在的問題，本文從多角度考慮影響微博話題熱度的因素，提出一種多維度熱點(diǎn)話題度量模型。該模型首先對(duì)話題進(jìn)行篩選，得到一個(gè)熱點(diǎn)話題初始集，再通過深入分析微博熱點(diǎn)話題在社交網(wǎng)絡(luò)中的傳遞機(jī)制，融入話題熱度的影響力因子，計(jì)算各話題的綜合權(quán)值，將話題的綜合權(quán)值按照一定的權(quán)重與多維度熱點(diǎn)話題度量模型進(jìn)行有效融合得到基于微博多維度及綜合權(quán)值的熱點(diǎn)話題檢測(cè)算法(hot topic detection algorithm based on multi-dimensions and comprehensive weights of microblog, HTDAMCW)，通過對(duì)話題綜合權(quán)值的考量來提高熱點(diǎn)話題檢測(cè)的質(zhì)量。

2 多維度熱點(diǎn)話題度量模型

微博熱點(diǎn)話題度量的準(zhǔn)確度會(huì)影響其檢測(cè)質(zhì)量。話題度量越準(zhǔn)確，得到的熱點(diǎn)話題初始集就越精確，否則就難以保證對(duì)微博熱點(diǎn)話題的高質(zhì)量檢測(cè)。本文提出的多維度熱點(diǎn)話題度量模型，包括點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論等[15-16]度量維度，然后根據(jù)實(shí)際情況賦予它們不同的權(quán)值，進(jìn)行線性加權(quán)得到該話題的熱度值，并且引用回復(fù)加速度[17]的概念來識(shí)別和量化話題熱度隨時(shí)間的變化特性。

通過對(duì)話題的熱度度量和熱度隨時(shí)間變化特性的識(shí)別和量化，不僅可以過濾掉熱度值較低或已處于衰退、消亡階段的微博，保留處于加速或成長(zhǎng)階段的話題，還可以對(duì)回復(fù)加速度急劇增加的話題給予足夠的關(guān)注，而這些話題往往容易發(fā)展成為突發(fā)性熱點(diǎn)話題。

2.1 話題熱度值度量

對(duì)微博話題的熱度值進(jìn)行度量，可以從微博的點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論等方面考慮。某個(gè)微博有高的點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論不一定含有熱點(diǎn)話題，但如果該微博的點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論等指標(biāo)不高或者偏低，那么可以肯定該條微博不包含熱點(diǎn)信息[18]。所以通過計(jì)算話題熱度值，給話題進(jìn)行熱度評(píng)分，可以有效過濾掉熱度值低的話題。

讓C={top1,top2,…,topM}成為一個(gè)微博話題集，其中，M是話題的數(shù)量。讓Heat(topi)表示topi的熱度，可以表示為

Heat(topi)=αLN(topi)+βFN(topi)+γCN(topi)

(1)

(1)式中：LN(topi)表示topi的點(diǎn)贊數(shù)量；FN(topi)和CN(topi)是topi的轉(zhuǎn)發(fā)和評(píng)論數(shù)量；α，β，γ分別表示LN(topi)，F(xiàn)N(topi)，CN(topi)的權(quán)重系數(shù)，α+β+γ=1。

2.2 微博話題熱度變化率

話題熱度降序排列1和話題熱度降序排列2分別如圖1和圖2。從圖1和圖2可以看出，如果選擇前10個(gè)話題作為熱點(diǎn)話題：對(duì)于圖1而言，前16個(gè)話題熱度差距不大，則會(huì)過濾掉部分熱點(diǎn)話題；對(duì)于圖2而言，只有前3個(gè)話題熱度很高，其他話題熱度都偏低，則會(huì)造成熱點(diǎn)話題集中非熱點(diǎn)話題過多。

圖1 話題熱度降序排列1Fig.1 Topic ranking in descending order 1

圖2 話題熱度降序排列2Fig.2 Topic ranking in descending order 2

針對(duì)上述問題，本文引入熱度變化率來解決。通過對(duì)圖1和圖2的觀察可以看出，當(dāng)話題熱度較低時(shí)，其Heat(topi)值會(huì)跳變。話題熱度的跳躍點(diǎn)被定義為熱度變化率的突變點(diǎn)，用Rate(topi)表示topi的熱度變化率，計(jì)算式為

(2)

然后，根據(jù)話題的熱度變化率進(jìn)行過濾，設(shè)定閾值δ，如果熱度變化率Rate(topi)>δ，那么熱度小于或等于跳躍點(diǎn)值的話題將被過濾，否則，topi將作為高頻話題變量保留，以便進(jìn)一步聚類。

2.3 話題熱度變化特性

根據(jù)微博網(wǎng)絡(luò)輿情演化理論，微博話題的生命周期可分為突發(fā)、成長(zhǎng)、衰退和消亡4個(gè)階段[19]。處于衰退階段的話題即使其熱度值很高，已不可能演變成具有時(shí)間突發(fā)性的熱點(diǎn)話題。因此，本文采用回復(fù)加速度的概念來識(shí)別和量化微博話題熱度隨時(shí)間的變化特性，表示為

(3)

(3)式中：a(topi)t是話題topi點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論加速度；Heat(topi)t為話題topi在時(shí)間t的點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論數(shù)；Δt為介于Heat(topi)t之間的時(shí)間粒度。

同時(shí)，定義一個(gè)狀態(tài)函數(shù)S(topi)：S(topi)→{acc,growth,dec,death}，以標(biāo)識(shí)微博生命周期中的不同階段，該函數(shù)定義為

(4)

(4)式中：acc表示微博生命周期的突發(fā)期；growth表示微博生命周期的成長(zhǎng)期；dec表示微博生命周期的衰退期；death表示微博生命周期的消亡期；θ1和θ2為預(yù)先設(shè)定的閾值；Heat(topi)t為常量0。

在突發(fā)和衰退期，微博的轉(zhuǎn)發(fā)、點(diǎn)贊或急劇增加(a(topi)>>0)或強(qiáng)烈衰減(a(topi)<<0)；在成長(zhǎng)期，微博在單位時(shí)間內(nèi)的轉(zhuǎn)發(fā)和點(diǎn)贊基本不變；而在衰亡期，微博點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論數(shù)趨近于0。

2.4 微博綜合權(quán)值計(jì)算

對(duì)微博進(jìn)行熱度度量在一定程度上能反應(yīng)微博的熱度，但如果要更深入探討微博話題的熱度，還要引入其他因子，如微博的質(zhì)量(是否為認(rèn)證用戶所發(fā))、話題參與人數(shù)等[20]。另外還要對(duì)微博的影響力進(jìn)行度量，一個(gè)話題在整個(gè)話題集中占的比重越高，則他的影響力就越大，那么它的熱度自然也就更高[21]。

本文利用話題的原創(chuàng)微博數(shù)量、參與人數(shù)、認(rèn)證用戶微博數(shù)量這3個(gè)因子來衡量話題的權(quán)值，為了方便計(jì)算，采用最大最小值歸一化方法[22]對(duì)這3個(gè)特征因子作歸一化處理。假設(shè)特征因子量化后為y，最大值為ymax，最小值為ymin，則歸一化后的yn為

(5)

對(duì)原創(chuàng)微博數(shù)量、參與人數(shù)、認(rèn)證用戶微博數(shù)量分別進(jìn)行歸一化后，表示如下

(6)

(7)

(8)

(6)—(8)式中，y1，y2，y3分別表示對(duì)話題topi下的原創(chuàng)微博數(shù)量，參與人數(shù)，認(rèn)證用戶微博數(shù)量歸一化后的結(jié)果。

取這3個(gè)特征因子歸一化后數(shù)值的平均值，作為該話題的權(quán)值

W(topi)=(y1+y2+y3)/3

(9)

然后，本文再構(gòu)建融入話題的影響力因素，構(gòu)造如下公式來計(jì)算每個(gè)熱點(diǎn)話題的綜合權(quán)值

(10)

(9)—(10)式中：W(topi)，W(topj)分別表示topi，topj的權(quán)值；n表示話題集中的話題總數(shù)；λ，μ表示權(quán)重系數(shù)，且λ+μ=1。

在此基礎(chǔ)之上，對(duì)保留下來的微博建立話題集合TP={top1,top2,…,topm}，其中，m為話題總量。

3 HTDAMCW

3.1 主題詞相似度計(jì)算

由于多條微博所討論的話題可能是同一個(gè)熱點(diǎn)話題，因此，在對(duì)主題詞進(jìn)行聚類處理時(shí)，定義2個(gè)集合間的Jaccard系數(shù)作為它們的相似度度量，即

(11)

(11)式中：topi∈TP；topj∈TP。

3.2 算法描述

HTDAMCW算法主要針對(duì)突發(fā)性熱點(diǎn)話題進(jìn)行檢測(cè)，該算法的實(shí)現(xiàn)過程主要分為5個(gè)步驟：微博熱度值計(jì)算、話題熱度變化率計(jì)算、微博話題回復(fù)加速度計(jì)算、主題相似度計(jì)算及選擇、微博綜合權(quán)值計(jì)算及熱點(diǎn)提取。以下為該算法的具體實(shí)施步驟。

輸入：R={R1,R2,…,Rn}(輿情話題集合)

輸出：TP={th1,th2,…,thp}(熱點(diǎn)話題集合)

步驟1對(duì)話題集R里面的微博進(jìn)行分詞處理，得到話題集H={top1,top2,…,topi}；

步驟2利用(1)式計(jì)算輿情話題集H中每個(gè)話題的熱度值Heat(topi)，并按熱度值降序排列，得到初始話題集H1={H1(topi)}；

步驟3利用(2)式計(jì)算話題集H1里面每個(gè)話題的熱度變化率Rate(topi)，如Rate(topi)>δ則過濾，得到話題集H2={H2(topi)}；

步驟4利用(3)式計(jì)算話題集H2里面每個(gè)微博話題的回復(fù)加速度a(topi)t，直接過濾掉a(topi)t<0的話題，得到話題集合ST={th1,th2,…,thn}；

步驟5對(duì)于th1,th2,…,thn，選取最大話題max|thi|，利用(11)式計(jì)算相似度，當(dāng)sim(max|thi|,thj)≥κ，則加入到話題集合H(thi)={thi,thj}中，否則轉(zhuǎn)入步驟6；

步驟6ST=ST-H(thi)，迭代計(jì)算轉(zhuǎn)入步驟5，從ST中再次選擇最大話題max|thi|，直到集合ST為空；

步驟7利用(9)式對(duì)熱點(diǎn)話題集合H(thi)中每個(gè)話題的綜合權(quán)值Wp(topi)進(jìn)行計(jì)算；

步驟8按綜合權(quán)值Wp(topi)降序排列熱點(diǎn)話題，取前P個(gè)話題作為最終熱點(diǎn)話題集合TP={th1,th2,…,thp}。

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)

首先，本文利用新浪微博API抓取并收集了2018年1月20日—9月30日共20 678條微博數(shù)據(jù)進(jìn)行微博熱點(diǎn)分析。該數(shù)據(jù)集來源于“人民網(wǎng)”、“新周刊”、“環(huán)球時(shí)報(bào)”、“環(huán)球網(wǎng)”、“頭條新聞”、“微媒熱點(diǎn)”、“齊魯晚報(bào)”7大官媒微博平臺(tái)，其字段為微博ID、關(guān)注數(shù)、評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)等。其次，本文利用關(guān)鍵詞篩選跟蹤爬取了9月1日—9月30日關(guān)于“順風(fēng)車”事件、“霸座”事件的微博數(shù)據(jù)用以熱點(diǎn)話題走勢(shì)分析。

4.2 評(píng)估指標(biāo)

本文將基于詞頻和基于word2vec的檢測(cè)和提取方法作為參照，利用準(zhǔn)確率(precision)、召回率(recall rate)、和F-度量(F-measure)對(duì)熱點(diǎn)話題檢測(cè)的結(jié)果進(jìn)行評(píng)價(jià)[23]，具體計(jì)算公式如下。

1)準(zhǔn)確率(Precision,P)：提取的關(guān)鍵詞中被確認(rèn)為正確關(guān)鍵詞的比率，計(jì)算式為

(12)

(12)式中：numi表示提取到的能正確反映微博主題的熱點(diǎn)話題數(shù)量；numj表示提取到的不能反映微博主題的熱點(diǎn)話題數(shù)量。

2)召回率(Recall,R)：提取的正確關(guān)鍵詞占所有正確關(guān)鍵詞的比率，計(jì)算式為

(13)

(13)式中，numk表示沒有提取到的但卻能反映微博主題的熱點(diǎn)話題數(shù)量。

3)系統(tǒng)綜合性能(F-measure,Fm)：為了量化系統(tǒng)的精確度，本文用F-measure(Fm)來分析實(shí)驗(yàn)結(jié)果，計(jì)算式為

(14)

(14)式中：Fm表示系統(tǒng)的綜合性能；R表示召回率；P表示準(zhǔn)確率；ω的值取1，F(xiàn)m值越高，準(zhǔn)確度越高,ω的值是召回率與準(zhǔn)確率之間的相對(duì)權(quán)重，如果準(zhǔn)確率更重要，ω的值大于1，如果召回率更重要，則ω的值小于1。在本文實(shí)驗(yàn)中設(shè)定召回率與準(zhǔn)確率同等重要，因此，將ω設(shè)為1。

4.3 實(shí)驗(yàn)結(jié)果對(duì)比分析

1)微博熱點(diǎn)分析。為了證明本文所提出方法的有效性，針對(duì)前面的數(shù)據(jù)集，本實(shí)驗(yàn)抽取了10個(gè)微博熱點(diǎn)話題，使用基于詞頻、基于word2vec和HTDAMCW這3種檢測(cè)方法進(jìn)行對(duì)比分析如表1。表1中第1列是10個(gè)微博熱點(diǎn)話題的標(biāo)號(hào)；第2列為這些話題的名稱；第3列給出了話題的生成時(shí)間；第4—6列分別為使用基于詞頻，word2vec，HTDAMCW 3種檢測(cè)方法得到的這10個(gè)話題的排名。

通過表1可以看出，在微博熱點(diǎn)話題檢測(cè)中，基于詞頻的方法排在前面的為兩會(huì)、世界杯、高考等話題，因?yàn)榛谠~頻的方法主要計(jì)算關(guān)鍵詞的頻率；基于word2vec的檢測(cè)方法引入詞向量訓(xùn)練模型，挖掘文本之間的關(guān)聯(lián)，因此，其檢測(cè)準(zhǔn)確度更高。但以上2種方法都并沒有考慮到話題的時(shí)間維度和突發(fā)性。本文提出的HTDAMCW算法從多個(gè)維度對(duì)話題進(jìn)行了度量，通過熱度變化率高效地過濾掉低頻話題，再使用回復(fù)加速度過濾掉進(jìn)入衰退或消亡期的話題(兩會(huì)、世界杯、高考等)，最后結(jié)合微博的綜合權(quán)值，有效檢測(cè)出突發(fā)性熱點(diǎn)話題。從實(shí)驗(yàn)結(jié)果可以看出，HTDAMCW算法在檢測(cè)突發(fā)性熱點(diǎn)話題時(shí)具有更高的準(zhǔn)確性。

表1 抽取微博熱點(diǎn)話題并排序

2)準(zhǔn)確率、召回率和系統(tǒng)綜合性能對(duì)比。對(duì)于爬取的20 678條微博信息，本文將HTDAMCW算法與其他傳統(tǒng)的檢測(cè)和提取算法(基于詞頻和基于word2vec的檢測(cè)和提取算法)進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，相較于其他2種算法，HTDAMCW算法準(zhǔn)確性有明顯提高，如圖3。

圖3 HTDAMCW算法與其他算法對(duì)比實(shí)驗(yàn)結(jié)果Fig.3 Comparison of experimental results between HTDAMCW algorithm and other algorithms

3)突發(fā)性熱點(diǎn)話題走勢(shì)分析。為了進(jìn)一步驗(yàn)證HTDAMCW算法對(duì)微博突發(fā)性熱點(diǎn)話題檢測(cè)的有效性，本文以“順風(fēng)車”、“霸座”2個(gè)事件為例，利用該算法，在不同時(shí)間點(diǎn)跟蹤計(jì)算其綜合權(quán)值。為了便于做圖，本實(shí)驗(yàn)等比例放大了其綜合權(quán)值，得到如圖4和圖5虛線所示的事件熱度趨勢(shì)圖，實(shí)線表示9月1日—9月30日2大事件的微博官方指數(shù)。

圖4 “順風(fēng)車”事件HTDAMCW與官方微指數(shù)對(duì)比試驗(yàn)Fig.4 Comparative test of “free ride” event based on HTDAMW and official micro-index

圖5 “霸座”事件HTDAMCW與官方微指數(shù)對(duì)比試驗(yàn)Fig.5 Comparative test of “seat robber” event based on HTDAMW and official micro-index

圖4虛線為從9月1日開始就持續(xù)跟蹤“順風(fēng)車”事件的結(jié)果，從中可以看出事件很快就發(fā)展成為突發(fā)性熱點(diǎn)事件。通過與官方微指數(shù)對(duì)比可知，“順風(fēng)車”事件走勢(shì)基本擬合了微博官方走勢(shì)。圖5虛線為從9月1日開始就持續(xù)跟蹤“霸座”事件的結(jié)果，通過與官方微指數(shù)對(duì)比可知，“霸座”事件走勢(shì)也整體擬合了微博官方走勢(shì)。

從以上分析可以看出，本文提出的方法可以準(zhǔn)確檢測(cè)出突發(fā)性熱點(diǎn)話題，并跟蹤其發(fā)展趨勢(shì)，從而將較新的、有價(jià)值的熱點(diǎn)話題推薦給用戶。

5 結(jié)束語

傳統(tǒng)熱點(diǎn)檢測(cè)算法僅從單一維度衡量話題的熱度，導(dǎo)致熱點(diǎn)話題檢測(cè)精度低，在對(duì)突發(fā)性熱點(diǎn)話題進(jìn)行檢測(cè)時(shí)尤為明顯。鑒于此，本文提出一種多維度熱點(diǎn)話題度量模型。該模型首先對(duì)話題進(jìn)行篩選，得到一個(gè)熱點(diǎn)話題初始集，再融入話題熱度的影響力因子，計(jì)算話題的綜合權(quán)值，將話題的綜合權(quán)值按照一定的權(quán)重與多維度熱點(diǎn)話題度量模型進(jìn)行有效融合，最終得到一種基于微博多維度及綜合權(quán)值的熱點(diǎn)話題檢測(cè)模型。實(shí)驗(yàn)結(jié)果表明，本文提出的算法模型在對(duì)突發(fā)性熱點(diǎn)話題的檢測(cè)中，其檢測(cè)準(zhǔn)確度相比于傳統(tǒng)算法有了較大提高，整體性能表現(xiàn)穩(wěn)定，從而改善了突發(fā)性熱點(diǎn)話題檢測(cè)的質(zhì)量。然而，本模型也存在一些不足之處，對(duì)于大型文本數(shù)據(jù)集來說，該方法在提取熱點(diǎn)話題時(shí)的時(shí)間復(fù)雜度較高，因此，優(yōu)化本模型，使其更加高效運(yùn)行將是未來的工作。