[发明专利]微博数据流演化主题建模文档聚类解析法

说明书

本发明提供的微博数据流演化主题建模文档聚类解析法，主要内容和贡献包括：一是提出了一种焦点主题模型TfLDA，采用联合训练的谱聚类及焦点主题推算将潜在主题聚合为事件焦点主题，并将事件焦点主题而不是LDA的潜在主题作为发掘任务的核心；二是在微博文档数据流上实现TfLDA，并对模型参数进行实时更新，以显示其在大规模数据发掘上的有效性和扩展性；三是基于模型困惑度，文档聚类准确性，演化主题直观性指标评估TfLDA，验证其在微博数据流的优质文档聚类和演化主题上的优越性。这套方法的提出，能够有效解决在微博流式数据聚类中难以提取有效特征的问题，实现在有限的时间和内存条件下对微博数据流的分析。

技术领域

本发明涉及一种演化主题建模文档聚类解析法，特别涉及一种微博数据流演化主题建模文档聚类解析法，属于演化主题建模解析技术领域。

背景技术

如今的社交网络平台飞速发展，微博平台在这种背景下具有如下几大特点：一是低门槛性，即每条微博信息都只能在一定字符以内，微博用户可以用三言两语，记录生活、也可以发感慨和晒心情；二是随时随地性，每个用户都可通过互联网、手机等多种渠道，随时随地发微博和接微博；三是快速传播性，如果有一个用户发布了一条微博信息，那么他所有粉丝能够看到信息，用户还能@自己的粉丝和用户所关注的微博用户，实现裂变快速传播；四是搜索功能，通过搜索功能找到其他用户发布的微博信息，也能搜索和自己兴趣相近的微博用户互关注。基于上述几大特点，新浪微博、腾讯微博等微博社会网络媒体已成为时下用户覆盖广、传播影响大、商业价值高的信息发布共享平台，这些微博平台的出现和蓬勃发展，改变了人类对信息聚合、平台开放和用户分享的观念，对人类使用互联网的方式产生了深刻变革。

微博正成为人类社会关系维系和信息传播的重要载体，用户通过微博平台组成各种复杂关系关联的虚拟社区，围绕某一事件、话题、兴趣爱好而聚合成一种网络社交圈，形成具有相似行为特征的网络群体，为交友推荐、产品推荐及广告决策提供了依据。同时，微博也正在成为网络与现实生活反馈互动的新阵地，社交网络中的微博文档数量非常庞大，这些不断产生的微博文档形成了庞大的文档数据流。

在这些微博文档数据流中，往往充斥着对某些事件发展过程的描述纪录，这些与政治、经济、民生紧密关联的微博具有重要的应用价值和研究意义，通过对微博文档进行聚类，可以帮助相关机构更好的了解社会热点事件的发展态势，而且在这些微博文档中，蕴含着用户明确的或是潜在的观点，这些即为本发明所要发掘的主题信息。当前微博文档中的主题，尤其是舆论热点主题，对现实中的作用力越来越大。因此，对主题进行演化分析，可对舆情解析、产品推荐等方面做出重要贡献。

现有技术依然没有很好的解决微博数据流主题演化分析的难题，现有技术的难点和本发明解决的问题主要集中在以下方面：