基于并行關(guān)聯(lián)規(guī)則的話題演化跟蹤方法

王奕文，張如玉，劉 昕，張瓊聲，田紅磊，曹 帥

(中國石油大學(xué)(華東)計(jì)算機(jī)與通信工程學(xué)院，山東 青島 266580)

0 引 言

近年來，借助時(shí)序信息實(shí)時(shí)跟蹤話題的動態(tài)演化趨勢的研究方法主要包括以下兩種[1-3]。第一種方法把文本的時(shí)間信息當(dāng)作其話題屬性參與到特征計(jì)算的過程中，建立動態(tài)演變的話題模型。例如：徐會杰等引入回復(fù)加速度實(shí)現(xiàn)對突發(fā)性熱點(diǎn)話題快速發(fā)現(xiàn)與跟蹤[4]；趙旭劍等建立了增量式計(jì)算模型，該模型考慮了話題特征，能很好地挖掘出新聞話題演化各個(gè)階段的信息[5]。第二種方法將時(shí)間信息與概率話題模型結(jié)合，通過計(jì)算時(shí)間信息與話題、文檔、詞項(xiàng)的概率分布，實(shí)現(xiàn)對潛在話題的生成與演變過程的追蹤[6-8]。例如：Kalyanam等提出一種基于社交情景信息的話題演化模型[9]；陳興蜀等提出一種基于OLDA的熱點(diǎn)話題演化跟蹤模型[10]；王奕文等對關(guān)聯(lián)規(guī)則算法進(jìn)行了改進(jìn)，并將其應(yīng)用于熱點(diǎn)事件時(shí)序分析中[11,12]。

目前，在話題的動態(tài)演變跟蹤領(lǐng)域，各種話題模型均能夠很好地考慮到話題結(jié)構(gòu)與演化的特征，但是大部分研究采用相似度來衡量不同話題內(nèi)容的相關(guān)程度，很少考慮各階段話題關(guān)鍵詞的關(guān)聯(lián)關(guān)系在話題演變過程中的影響。

為了解決上述問題，本文引入時(shí)間窗口和關(guān)聯(lián)規(guī)則[13,14]，提出一種基于并行關(guān)聯(lián)規(guī)則的話題演化跟蹤方法。該算法有兩個(gè)優(yōu)點(diǎn)，一是提高了計(jì)算效率，縮短了關(guān)聯(lián)規(guī)則算法尋找頻繁項(xiàng)集所需的時(shí)間，能夠更快地發(fā)現(xiàn)數(shù)據(jù)之間隱藏關(guān)系；二是結(jié)合時(shí)間信息與關(guān)聯(lián)規(guī)則能夠發(fā)現(xiàn)關(guān)鍵詞在話題演化過程中隨時(shí)間推移的潛在關(guān)聯(lián)關(guān)系，從而深度分析話題演化的具體細(xì)節(jié)。

1 基本概念

本文提出的基于并行關(guān)聯(lián)規(guī)則的話題演化跟蹤方法涉及到以下相關(guān)概念。

定義1支持度(support)。一個(gè)關(guān)鍵詞集在數(shù)據(jù)集中出現(xiàn)的頻率。支持度越高代表著該關(guān)鍵詞集出現(xiàn)的頻率越高、熱度越大，說明規(guī)則越有用。支持度的計(jì)算公式為

(1)

關(guān)聯(lián)規(guī)則是形如a?b的蘊(yùn)含式。s(a?b)為{a,b}這個(gè)關(guān)鍵詞集的支持度；P(a∪b)為數(shù)據(jù)集中事件a,b同時(shí)發(fā)生的概率(0≤P(a∪b)≤1)；n(a∪b)為數(shù)據(jù)集中事件a,b同時(shí)發(fā)生的次數(shù)；n(dataset)為數(shù)據(jù)集中記錄的總條數(shù)。

定義2置信度(confidence)。在事件a發(fā)生的集合中，事件b發(fā)生的概率。置信度衡量了關(guān)鍵詞集中各關(guān)鍵詞的關(guān)聯(lián)關(guān)系強(qiáng)弱，置信度的值越大說明其對應(yīng)的關(guān)聯(lián)規(guī)則越可信。置信度的計(jì)算公式為

(2)

c(a?b)為關(guān)鍵詞集的置信度；P(b|a)為在數(shù)據(jù)集中關(guān)鍵詞集{a}發(fā)生的情況下關(guān)鍵詞集{a,b}也同時(shí)發(fā)生的條件概率(0≤P(b|a)≤1)。

定義3k_項(xiàng)頻繁關(guān)鍵詞集。包括k個(gè)頻繁關(guān)鍵詞的集合，其中每個(gè)頻繁關(guān)鍵詞的支持度均大于等于支持度閾值。lk[i]={wx[i]}表示第i個(gè)k_項(xiàng)頻繁關(guān)鍵詞集，其中的第x個(gè)關(guān)鍵詞表示為wx[i]，(x=1,2,…,k)。則Lk={lk[i]}為由全部lk[i]組成的集合，(i=1,2,…,t)，t為Lk中包含的k_項(xiàng)頻繁關(guān)鍵詞集的數(shù)目。

定義4關(guān)聯(lián)規(guī)則集。關(guān)聯(lián)規(guī)則集由置信度數(shù)值不小于設(shè)定閾值的關(guān)聯(lián)規(guī)則構(gòu)成。如果蘊(yùn)含式a[y]?b[y]代表第y個(gè)關(guān)聯(lián)規(guī)則，那么關(guān)聯(lián)規(guī)則集則表示為Rules={a[y]?b[y]}，(y=1,2,…,r)，r為該關(guān)聯(lián)規(guī)則集中包含的關(guān)聯(lián)規(guī)則數(shù)目。

2 并行關(guān)聯(lián)規(guī)則的基本流程

為了提高計(jì)算效率，本文將頻繁關(guān)鍵詞集的獲取任務(wù)分為N個(gè)獲取頻繁關(guān)鍵詞子集的子任務(wù)。首先對時(shí)間窗口的大小進(jìn)行設(shè)置，并將數(shù)據(jù)集中的文本數(shù)據(jù)按照時(shí)序信息劃分到不同窗口中來；然后獲取各時(shí)間窗口對應(yīng)的一項(xiàng)頻繁項(xiàng)集L1；最后使用并行關(guān)聯(lián)規(guī)則算法獲取各個(gè)時(shí)間窗口對應(yīng)的關(guān)聯(lián)規(guī)則集，具體流程如圖1所示。在已經(jīng)獲取的L1基礎(chǔ)上，進(jìn)行任務(wù)分配并實(shí)現(xiàn)Lk-1到Lk的迭代，任務(wù)合并形成全局Lk，在此基礎(chǔ)上獲得關(guān)聯(lián)規(guī)則集；最后通過對所有時(shí)間窗口的關(guān)聯(lián)規(guī)則集進(jìn)行篩選和組合形成不同時(shí)間話題關(guān)鍵詞。

圖1 單個(gè)時(shí)間窗口的并行關(guān)聯(lián)規(guī)則算法流程

2.1 1_項(xiàng)頻繁關(guān)鍵詞集獲取

k_項(xiàng)頻繁關(guān)鍵詞集是在已知1_項(xiàng)頻繁關(guān)鍵詞集L1的基礎(chǔ)上計(jì)算得出的，1_項(xiàng)頻繁關(guān)鍵詞集L1的獲取分為3個(gè)步驟：

(1)因?yàn)楦魃缃痪W(wǎng)站的話題信息均使用設(shè)定的TOP關(guān)鍵詞進(jìn)行收集，因此我們把各TOP關(guān)鍵詞作為1_項(xiàng)頻繁關(guān)鍵詞集L1的候選關(guān)鍵詞。

(2)從各社交網(wǎng)絡(luò)頁面上收集的數(shù)據(jù)根據(jù)時(shí)序信息劃分到不同時(shí)間窗口中，形成不同的數(shù)據(jù)集。在各時(shí)間窗口對應(yīng)的數(shù)據(jù)集中，統(tǒng)計(jì)各TOP關(guān)鍵詞出現(xiàn)的次數(shù)，記為n(top[i])。由支持度的計(jì)算公式知，TOP關(guān)鍵詞的支持度s_top[i]為

(3)

(3)設(shè)置支持度閾值s_min。若s_min≤s_top[i]，則將s_top[i]對應(yīng)的TOP關(guān)鍵詞保留，記為l1[j]；反之舍棄。由此得到L1={l1[j]}，j≤i。

2.2 k_項(xiàng)頻繁關(guān)鍵詞集獲取

k_項(xiàng)頻繁關(guān)鍵詞集Lk由L1與Lk-1進(jìn)行合并操作得到。Lk的獲得分為5個(gè)步驟：

(1)對Lk-1進(jìn)行數(shù)據(jù)分割成N個(gè)互不交叉的子集，每個(gè)k-1_項(xiàng)頻繁關(guān)鍵詞子集分配給一個(gè)子任務(wù)。

(2)將各子任務(wù)的Lk-1與L1進(jìn)行合并操作，得到k_項(xiàng)關(guān)鍵詞集。該k_項(xiàng)關(guān)鍵詞集為Lk的候選關(guān)鍵詞集之一，第i個(gè)k_項(xiàng)關(guān)鍵詞集記作k_keywords[i]。

(3)在時(shí)間窗口對應(yīng)的文本數(shù)據(jù)集中，對各k_項(xiàng)關(guān)鍵詞集出現(xiàn)的次數(shù)進(jìn)行匯總，記作n(k_keywords[i])。由支持度計(jì)算公式知，k_項(xiàng)關(guān)鍵詞集的支持度s_k_keywords[i]為

(4)

(4)當(dāng)s_min≤s_k_keywords[i]時(shí)，則將s_k_keywords[i]對應(yīng)的k_項(xiàng)關(guān)鍵詞合并入Lk，并記為lk[j]。則Lk={lk[j]}，j≤i。

(5)將各個(gè)子任務(wù)得到的Lk進(jìn)行合并與刪減操作，得到全局Lk。

2.3 形成關(guān)聯(lián)規(guī)則集

在上一步得到的全局Lk基礎(chǔ)上通過計(jì)算得到關(guān)聯(lián)規(guī)則集，關(guān)聯(lián)規(guī)則集的獲得分為4個(gè)步驟：

(1)獲取每個(gè)Lk中k_項(xiàng)頻繁關(guān)鍵詞集的關(guān)聯(lián)規(guī)則，每個(gè)k_項(xiàng)頻繁關(guān)鍵詞集能產(chǎn)生的關(guān)聯(lián)規(guī)則數(shù)目均不少于1。定義由第i個(gè)k_項(xiàng)頻繁關(guān)鍵詞集lk[i]中的s個(gè)關(guān)鍵詞組成的關(guān)鍵詞集為lk[i[s]](1≤s≤k)，由lk[i]中去掉s個(gè)關(guān)鍵詞后的k-s個(gè)關(guān)鍵詞組成的關(guān)鍵詞集為lk[i[k-s]]。

(2)計(jì)算關(guān)聯(lián)規(guī)則的置信度。若將lk[i]的支持度表示為公式s_lk[i]，則lk[i[s]]的支持度可表示為s_lk[i[s]]。由式(2)可知，關(guān)聯(lián)規(guī)則lk[i[s]]?lk[i[k-s]]的置信度為

(5)

(3)篩選關(guān)聯(lián)規(guī)則。c_min為設(shè)定的置信度閾值，如果c_min≤c(lk[i[s]]?lk[i[k-s]])，則關(guān)聯(lián)規(guī)則lk[i[s]]?lk[i[k-s]]被保留，反之，對應(yīng)的關(guān)聯(lián)規(guī)則lk[i[s]]?lk[i[k-s]]被舍棄。

(4)將步驟(3)篩選出來的關(guān)聯(lián)規(guī)則進(jìn)行合并和約簡操作，得到關(guān)聯(lián)規(guī)則集。

3 話題演化跟蹤方法

算法1：基于并行關(guān)聯(lián)規(guī)則的話題演化跟蹤算法

輸入：從各個(gè)社交網(wǎng)站上爬取的所有與待分析事件有關(guān)的文本數(shù)據(jù)

輸出：各時(shí)間段對應(yīng)的話題關(guān)鍵詞

(1)從各社交網(wǎng)絡(luò)頁面上獲得的數(shù)據(jù)根據(jù)時(shí)序信息劃分到不同時(shí)間窗口中，形成不同的數(shù)據(jù)集。

(2)在各時(shí)間窗口的文本數(shù)據(jù)集中，對各TOP關(guān)鍵詞出現(xiàn)的次數(shù)進(jìn)行匯總，支持度大于s_min的TOP關(guān)鍵詞作為1_項(xiàng)頻繁關(guān)鍵詞集L1，此時(shí)k=1。

(3)令k=k+1，將集合Lk-1分為N個(gè)互不相交的k-1_項(xiàng)頻繁關(guān)鍵詞子集，并為每個(gè)子集設(shè)定一個(gè)獨(dú)立子任務(wù)，將各子任務(wù)的Lk-1與所有的L1進(jìn)行合并操作，各子任務(wù)獨(dú)立生成滿足支持度閾值s_min的Lk。

(4)將N個(gè)子任務(wù)獲得的Lk結(jié)果合并后去重，得到全局Lk。

(5)迭代進(jìn)行步驟(3)和步驟(4)，當(dāng)?shù)玫降膋+1_項(xiàng)關(guān)鍵詞集合為空時(shí)停止迭代，將頻繁關(guān)鍵詞集存在的最大項(xiàng)集數(shù)記作n。

(6)在全局Lk(2≤k≤n)基礎(chǔ)上通過計(jì)算得到滿足置信度閾值c_min的關(guān)聯(lián)規(guī)則，對獲得的所有關(guān)聯(lián)規(guī)則合并并刪減，得到關(guān)聯(lián)規(guī)則集。

(7)通過以上6個(gè)步驟得到全部時(shí)間窗口對應(yīng)的關(guān)聯(lián)規(guī)則集，通過對關(guān)聯(lián)規(guī)則集進(jìn)行篩選與組合操作，得到各時(shí)間段對應(yīng)的話題關(guān)鍵詞。

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)

本文用到的實(shí)驗(yàn)數(shù)據(jù)均通過網(wǎng)絡(luò)爬蟲技術(shù)爬取獲得，設(shè)定關(guān)鍵詞“華為，犯罪，孟晚舟”，從新浪微博收集時(shí)間范圍為2020年1月20日到2020年6月6日的輿情數(shù)據(jù)，共收集到36 245條相關(guān)的言論，日均230條左右。本文使用Ansj技術(shù)從收集到的微博言論中挖掘關(guān)鍵詞，從同一條微博言論中挖掘到的關(guān)鍵詞彼此互不相同，從不同的微博言論中挖掘到的關(guān)鍵詞數(shù)量也互不相同。

4.2 參數(shù)設(shè)置及實(shí)驗(yàn)結(jié)果

4.2.1 支持度閾值設(shè)置

關(guān)聯(lián)規(guī)則集在1_項(xiàng)頻繁關(guān)鍵詞集L1的基礎(chǔ)上獲得，L1中的關(guān)鍵詞將會對整個(gè)話題演化跟蹤的準(zhǔn)確率產(chǎn)生影響，因此支持度閾值的設(shè)定尤為重要。恰當(dāng)?shù)闹С侄乳撝悼梢允顾惴ǐ@取到各時(shí)間窗口對應(yīng)的盡可能多的高價(jià)值關(guān)鍵詞，對2020年1月20日的數(shù)據(jù)設(shè)置不同的支持度閾值，得到不同的L1見表1。

表1 不同支持度下的L1結(jié)果

支持度設(shè)置為14.6%～14.9%時(shí)，L1包括當(dāng)前時(shí)間窗口全部有價(jià)值的關(guān)鍵詞信息；支持度設(shè)置為14%時(shí)，L1不僅包括當(dāng)前時(shí)間窗口全部有價(jià)值的關(guān)鍵詞信息，還包括一些與事件主題無關(guān)的信息，如“彈劾、港股、英特爾、洛桑、冬奧”；支持度設(shè)置為15.0%時(shí)，篩選出的關(guān)鍵詞數(shù)目較少，部分較為重要的關(guān)鍵詞信息被漏掉，如“伊朗 欺詐 制裁 律師”，無法通過挖掘到的關(guān)鍵詞信息獲得事件起因。由分析可知當(dāng)前時(shí)間窗口的支持度閾值設(shè)置為14.6%，使用以上方式獲取所有時(shí)間窗口的支持度閾值。

4.2.2 置信度閾值設(shè)置

話題相關(guān)的關(guān)鍵詞信息在已有關(guān)聯(lián)規(guī)則集的基礎(chǔ)上獲得，關(guān)聯(lián)規(guī)則集中的關(guān)聯(lián)規(guī)則會對話題演化跟蹤的結(jié)果造成巨大影響，而關(guān)聯(lián)規(guī)則集中的關(guān)聯(lián)規(guī)則又受到置信度閾值的直接影響。故此處將時(shí)間窗口設(shè)為1天，使用該時(shí)間 窗口對應(yīng)的包含約230條微博言論或新聞報(bào)道的數(shù)據(jù)集，對支持度、置信度閾值與新聞報(bào)道的數(shù)目之間的關(guān)系進(jìn)行分析，如圖2所示。

圖2 支持度閾值與置信度閾值關(guān)系趨勢

由圖2可知，數(shù)據(jù)點(diǎn)集中分布在s_min∈[12%，19%]，c_min∈[85%，93%]區(qū)間范圍內(nèi)。即，當(dāng)微博言論約230條時(shí)，支持度與置信度閾值有較大幾率落在以上區(qū)間內(nèi)。因支持度閾值較大時(shí)，關(guān)聯(lián)規(guī)則算法會將一些重要的話題相關(guān)關(guān)鍵詞信息過濾掉；支持度閾值較小時(shí)，則會獲取到大量的冗余話題相關(guān)關(guān)鍵詞，比如：當(dāng)s_min=14.4%時(shí)，c_min=89.9%；當(dāng)s_min=14.2%時(shí)，c_min=91.0%。所以，在微博言論的數(shù)目已經(jīng)確定的前提下，設(shè)定的置信度閾值整體上會隨著設(shè)定的支持度閾值的升高表現(xiàn)出下降的趨勢。

4.3 熱點(diǎn)跟蹤實(shí)驗(yàn)及結(jié)果

本實(shí)驗(yàn)將時(shí)間窗口設(shè)為1天，圖3為各時(shí)間窗口使用并行關(guān)聯(lián)規(guī)則算法獲取的部分關(guān)聯(lián)規(guī)則集結(jié)果。

1月20日……孟晚舟 華為 聽證會->引渡 中國孟晚舟 法庭 聽證會->引渡 華為 溫哥華加拿大 犯罪 法庭->引渡 美國 孟晚舟 雙重孟晚舟 聽證會 中方 耿爽 回應(yīng) 公正->加媒引渡 美國 孟晚舟 加拿大 法庭->雙重 犯罪孟晚舟 脫困 引渡案->雙重 犯罪 抗辯 聽證會引渡 加拿大 雙重->伊朗 犯罪 孟晚舟 法庭引渡 孟晚舟 犯罪->審理 雙重 加拿大 美國引渡 標(biāo)準(zhǔn) 美國 審理 雙重 犯罪->孟晚舟 加拿大 案件孟晚舟 審理 法庭 美國->引渡 華為 加拿大 雙重 犯罪審理 犯罪 引渡案->引渡 加拿大 孟晚舟 雙重伊朗 孟晚舟 犯罪 美國->引渡 加拿大 雙重……1月21日……孟晚舟 雙重->犯罪 引渡開庭 引渡->聽證會 孟晚舟孟晚舟 首場 -> 聽證會 開庭加拿大 法院 孟晚舟->中國加拿大 孟晚舟 開庭->律師腳戴 電子 開庭->鐐銬 法院孟晚舟 司法 華為->加拿大 清白聽證會 華為->加拿大 孟晚舟 引渡加拿大 開庭 引渡->孟晚舟 引渡案中國 孟晚舟 開庭->拘押案 加拿大加拿大 孟晚舟 引渡案->聽證會 開庭拘押案 鐐銬->法院 電子 孟晚舟 開庭鐐銬 法院 電子 孟晚舟->不卑不亢 開庭…………5月28日……犯罪 雙重 未能->標(biāo)準(zhǔn) 孟晚舟公布 雙重 孟晚舟->加拿大 引渡案雙重 認(rèn)定 孟晚舟->加拿大 犯罪 判決犯罪 獲釋->加拿大 雙重 未能 孟晚舟引渡案 雙重 判決->加拿大 認(rèn)定 孟晚舟加拿大 判決 不列顛->孟晚舟 哥倫比亞省犯罪 認(rèn)定 孟晚舟->加拿大 雙重 引渡案加拿大 引渡案 標(biāo)準(zhǔn)->犯罪 雙重 審理 孟晚舟加拿大 犯罪 雙重 判決->引渡案 標(biāo)準(zhǔn) 孟晚舟加拿大 高等法院 不列顛 孟晚舟->哥倫比亞省加拿大 雙重 不列顛 孟晚舟->犯罪 引渡案 哥倫比亞省…………

將圖3中的所有關(guān)聯(lián)規(guī)則集按照時(shí)間順序組合后篩選，得到的熱點(diǎn)話題的相關(guān)關(guān)鍵詞結(jié)果見表2。其中，為了表格直觀、清晰，實(shí)驗(yàn)中涉及的相同語義的關(guān)鍵詞，如：中國和中方、加拿大和加方等，只選用一個(gè)關(guān)鍵詞。

表2 各階段熱點(diǎn)話題的關(guān)鍵詞結(jié)果

根據(jù)事件發(fā)展，“孟晚舟聽證會”事件可分為7個(gè)階段，每個(gè)階段的話題相關(guān)關(guān)鍵詞信息解析如下：

(1)1.20-1.28階段：加拿大哥倫比亞省法院對孟晚舟案舉行了引渡聽證會，該聽證會聚焦了華為首席財(cái)務(wù)官孟晚舟被起訴雙重犯罪問題。孟晚舟腳戴電子鐐銬，不卑不亢出席，其被指控引導(dǎo)匯豐銀行違反美國對伊朗的制裁，且在加拿大犯有欺詐罪。中方發(fā)言控告美加兩方濫用引渡條約，侵害了中國公民權(quán)益，希望能早日釋放孟晚舟。庭審法官表示將延期判決。

(2)2.13-2.16階段：美國對華為的打壓升級，司法部公布了一份聯(lián)邦起訴書，指控華為犯有敲詐勒索罪，并密謀竊取美國公司的商業(yè)機(jī)密，非法與朝鮮伊朗等國家合作。被告包括華為及其4家子公司和華為首席財(cái)務(wù)官孟晚舟。

(3)2.23-2.26階段：近日華為開始了反擊，向紐約法院遞交了一封信，這封信揭露了美國串通匯豐銀行誣陷華為的事實(shí)，以及其引渡孟晚舟的意圖。

(4)3.30-4.3階段：周一，加拿大卑詩省最高法院舉行視頻會議審理孟晚舟向美國引渡案。美國稱華為涉嫌伊朗商業(yè)交易有關(guān)的銀行欺詐指控，因受疫情影響，下次案件管理會議延后至4月27日，且短期內(nèi)不再就是否符合“雙重犯罪”原則公布裁決。

(5)4.28-5.2階段：受疫情影響，在加拿大卑詩省最高法院以電話會議的方式舉行了聽證會，該聽證會聚焦了華為首席財(cái)務(wù)官孟晚舟被起訴雙重犯罪問題。

(6)5.22-5.27階段：加拿大哥倫比亞省最高法院將于5月27日就孟晚舟引渡案做出關(guān)鍵裁決。如果判決不符合美加引渡條件，孟晚舟將擺脫持續(xù)了500多天的被軟禁狀態(tài)，重獲自由。5月26日，加拿大總理表示加方司法獨(dú)立，孟晚舟判決情況將不受政治干預(yù)。中國外交發(fā)言人趙立堅(jiān)回應(yīng)稱，美加兩國濫用引渡條約致使中國公民的合法權(quán)益受到侵害，希望能切實(shí)糾正錯(cuò)誤，早日釋放孟晚舟。

(7)5.28-6.6階段：北京時(shí)間28日凌晨，加拿大法院公布孟晚舟引渡案的第一個(gè)判決結(jié)果，孟晚舟被加拿大法院認(rèn)定符合“雙重犯罪”標(biāo)準(zhǔn)，因此針對孟晚舟的引渡案將會繼續(xù)審理。該事件引起中方的強(qiáng)烈不滿，中方外交部發(fā)言人表示，加方在該事件中充當(dāng)了美國幫兇，為了打壓華為等高新企業(yè)，濫用引渡條約，損害了中國公民的合法權(quán)益。

4.4 對比實(shí)驗(yàn)及結(jié)果

實(shí)驗(yàn)選取文獻(xiàn)[10]中的OLDA算法作對比。首先，按照時(shí)間信息使用OLDA算法對話題語料進(jìn)行劃分。然后，采用LDA模型通過對不同時(shí)間段對應(yīng)的文本數(shù)據(jù)進(jìn)行建模，最終實(shí)現(xiàn)話題演化分析，其中話題的先驗(yàn)知識是其歷史分布。實(shí)驗(yàn)結(jié)果見表3。

對比表2與表3，使用本文方法獲取的關(guān)鍵詞個(gè)數(shù)為276個(gè)，比使用OLDA方法得到的關(guān)鍵詞個(gè)數(shù)多了50個(gè)，且本文方法能獲取到更詳細(xì)準(zhǔn)確的信息。如：1.20-1.28階段“司法、公民、腳戴、鐐銬、主權(quán)、匯豐銀行、哥倫比亞省、延期”等關(guān)鍵詞，2.13-2.16階段“首席、民企、起訴書、民主、特朗普、任正非、5G、歐美、朝鮮”等關(guān)鍵詞，2.23-2.26階段“業(yè)務(wù)、手段、發(fā)聲、違反、法院、正式、政府”等關(guān)鍵詞，3.30-4.3階段“伊朗、公布、開庭、欺詐、市場、雙重、制裁、銀行、會議、違反” 等關(guān)鍵詞，4.28-5.2階段“芯片、遠(yuǎn)程、損害、卑詩省、雙重、違反、 會議、涉及、庭審” 等關(guān)鍵詞，5.22-5.27階段“高管、立場、銀行、欺詐、伊朗、結(jié)束、500、法律、發(fā)言人、回應(yīng)、合法權(quán)益、損害、律師、糾正錯(cuò)誤” 等關(guān)鍵詞，5.28-6.6階段“交涉、自由、趙立堅(jiān)、合法權(quán)益、打壓、出賣、支持、發(fā)言人、大國、5G、采訪、侵犯、原則、強(qiáng)烈不滿” 等關(guān)鍵詞。說明本文方法能夠挖掘出事件具體細(xì)節(jié)相關(guān)的關(guān)鍵詞，準(zhǔn)確分析事態(tài)進(jìn)展程度，有助于正確把握話題演化趨勢。

表3 各時(shí)間片OLDA算法的結(jié)果

5 結(jié)束語

本文引入“時(shí)間窗口”的概念，首先對各個(gè)時(shí)間窗口采用并行關(guān)聯(lián)規(guī)則算法獲取關(guān)聯(lián)規(guī)則集，進(jìn)而發(fā)現(xiàn)話題與其后續(xù)事件的關(guān)聯(lián)關(guān)系，從而跟蹤話題發(fā)展演變的來龍去脈。實(shí)驗(yàn)結(jié)果表明，本文提出的算法能夠更加完整有效地深入分析話題的動態(tài)演化細(xì)節(jié)。

本文只針對話題的內(nèi)容進(jìn)行跟蹤，沒有從話題強(qiáng)度分析話題的演化趨勢，而且話題在發(fā)展過程中存在漂移的情況。因此，如何有效跟蹤話題的漂移趨勢，并結(jié)合內(nèi)容和強(qiáng)度兩方面跟蹤話題的動態(tài)演化趨勢將是今后研究的主要內(nèi)容。