版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,傳統(tǒng)的媒體技術(shù)格局已經(jīng)逐漸改變,基于互聯(lián)網(wǎng)新興媒體技術(shù)具有傳播速度快、透明度高的特點(diǎn),微博已經(jīng)成為互聯(lián)網(wǎng)上新聞傳播最快捷的媒體之一,越來越受到年輕人的喜歡。微博的出現(xiàn)為新聞話題的發(fā)現(xiàn)提供了一種新的方式和思路?,F(xiàn)有的新聞挖掘模型和算法主要是通過抓取網(wǎng)頁信息來獲取,并存在數(shù)據(jù)更新慢、實(shí)時(shí)性差、挖掘準(zhǔn)確率低等問題。通過微博熱詞挖掘提供新聞話題具有一定的現(xiàn)實(shí)意義。
本文通過分析一系列的基礎(chǔ)理論和技術(shù),建立了基于L
2、DA的概率主題模型,用于對(duì)微博數(shù)據(jù)進(jìn)行熱詞挖掘和分析。論文設(shè)計(jì)了一個(gè)支持動(dòng)態(tài)頁面的網(wǎng)頁文本爬蟲算法。算法首先分析網(wǎng)頁中的JavaScript文件或代碼,使用HTTP協(xié)議向服務(wù)發(fā)送特定的信息請(qǐng)求,這種方式類似于行為人瀏覽網(wǎng)頁信息的方式,能夠高效的分析出網(wǎng)頁異步加載的信息內(nèi)容。同時(shí),論文提供了一套對(duì)微博數(shù)據(jù)信息中重復(fù)微博和廣告微博進(jìn)行過濾的方法,并提出了熱詞計(jì)算的公式。在使用基于LDA的概率主體模型獲取微博熱詞后,通過綜合分析每個(gè)主題詞的廣
3、泛性和突發(fā)性,計(jì)算每個(gè)單義詞單元對(duì)應(yīng)的主題詞的熱度,確定新聞話題,并返回至用戶使用。
本文主要研究工作包括以下幾個(gè)方面。
建立了合適有效的數(shù)據(jù)采集和文本預(yù)處理模型,設(shè)計(jì)支持動(dòng)態(tài)頁面的網(wǎng)頁文本爬蟲算法,用于微博數(shù)據(jù)的采集,并以新浪微博為例,通過開放平臺(tái)獲取微博數(shù)據(jù),對(duì)采集的數(shù)據(jù)使用ICTCLAS系統(tǒng)進(jìn)行分析處理,并進(jìn)行去停用詞處理,最后將預(yù)處理結(jié)果進(jìn)行文本特征表示;
通過建立基于LDA的概率主題模型確定最終的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于關(guān)系網(wǎng)絡(luò)的微博話題挖掘.pdf
- 基于語言網(wǎng)絡(luò)的微博特征發(fā)現(xiàn)和話題關(guān)鍵詞提取.pdf
- 微博新聞話題的情感分析研究.pdf
- 微博數(shù)據(jù)提取及話題檢測(cè)方法研究.pdf
- 12307.基于內(nèi)容挖掘的話題微博情感分析研究
- 基于社交網(wǎng)絡(luò)模型與話題演化的微博意見領(lǐng)袖挖掘研究.pdf
- 基于話題熱度的微博推薦算法研究.pdf
- 面向微博輿情挖掘的話題發(fā)現(xiàn)技術(shù)研究.pdf
- 面向微博輿情挖掘的話題發(fā)現(xiàn)技術(shù)研究
- 微博熱點(diǎn)事件中話題演化關(guān)系挖掘算法研究.pdf
- 基于微博的突發(fā)話題檢測(cè)研究.pdf
- 基于LDA的微博話題聚類研究.pdf
- 基于lda的微博話題聚類研究
- 基于倒排索引的微博話題檢測(cè).pdf
- 基于微博的熱點(diǎn)話題發(fā)現(xiàn).pdf
- 基于主題模型的微博話題發(fā)現(xiàn)與話題摘要.pdf
- 基于微博熱詞與市場(chǎng)指數(shù)表現(xiàn)的實(shí)證研究.pdf
- 基于確定話題的相關(guān)微博觀點(diǎn)分類研究.pdf
- 媒體微博在兩岸新聞?shì)浾撝械慕巧缪荨谖⒉衢T話題的實(shí)證分析
- 微博新聞研究.pdf
評(píng)論
0/150
提交評(píng)論