话题检测

摘要： 随着网络中出现大量的新闻内容,如何在短期内为用户及时发现新闻热点话题越来越受到学者们的关注。提出一种基于BTM模型和改进K-Means聚类算法的中文新闻话题检测模型。对网易新闻语料库引入BTM模型,发现与主题相关的话题词,从而推断热点话题;针对K-Means算法初始值敏感等问题,将基于共轭梯度的人工鱼群算法引入传统的K-Means算法;利用改进K-Means聚类算法对得到的话题词进行聚类。实验结果表明,所提方法与传统方法相比可有效、准确提高话题的准确性。

摘要： 话题检测技术可以及时发现网络舆情热点话题和突发性事件,可以持续跟踪话题,实时掌握网络舆情事件的动向。文本聚类算法是实现话题检测与跟踪的重要方法,传统K-Means聚类算法结构简单,收敛速度快,但存在对初始聚类中心选择敏感、容易陷入局部最优解等局限。引入差分进化算法对K-Means算法进行改进,既具有差分进化算法的全局优化能力,又保留了K-Means算法简单高效的优点,并兼顾了网络舆情话题检测的准确性和实时性。实验表明,改进后算法的误检率、漏检率和耗费函数都有明显改善,提高了话题检测准确度上的有效性和实用性。

摘要： 话题检测技术可以及时发现网络舆情热点话题和突发性事件,可以持续跟踪话题,实时掌握网络舆情事件的动向.文本聚类算法是实现话题检测与跟踪的重要方法,传统K-Means 聚类算法结构简单,收敛速度快,但存在对初始聚类中心选择敏感、容易陷入局部最优解等局限.引入差分进化算法对K-Means 算法进行改进,既具有差分进化算法的全局优化能力,又保留了 K-Means 算法简单高效的优点,并兼顾了网络舆情话题检测的准确性和实时性.实验表明,改进后算法的误检率、漏检率和耗费函数都有明显改善,提高了话题检测准确度上的有效性和实用性.

摘要： [目的]更好地解决群聊话题纠缠的问题,减少稀疏文本特征对聚类的影响,实现对多类型消息混合的连续群聊信息的话题检测.[方法]提出一种基于多策略的群聊话题检测技术,通过构建话题序列解决话题交叉,利用消息的用户、时间、类型等属性提升聚类效果.[结果]本方法处理三份群聊记录样本的纯文本数据时的F值较对比算法分别提升2.9％、6.1％和3.0％,速度分别提高约27.6％、32.1％和47.1％.本方法还能处理传统算法无法应对的混合类型数据,且比处理对应的纯文本数据时的性能分别提升约29.4％、27.1％和22.5％.[局限]对群聊消息文本特征的利用率不足,算法所设阈值过多.[结论]本文方法能够在一定程度上提高群聊话题检测效果,并扩大了话题检测所能应对的消息类型的广度,提升了舆情分析效率.

摘要： 【目的】更好地解决群聊话题纠缠的问题,减少稀疏文本特征对聚类的影响,实现对多类型消息混合的连续群聊信息的话题检测。【方法】提出一种基于多策略的群聊话题检测技术,通过构建话题序列解决话题交叉,利用消息的用户、时间、类型等属性提升聚类效果。【结果】本方法处理三份群聊记录样本的纯文本数据时的F值较对比算法分别提升2.9%、6.1%和3.0%,速度分别提高约27.6%、32.1%和47.1%。本方法还能处理传统算法无法应对的混合类型数据,且比处理对应的纯文本数据时的性能分别提升约29.4%、27.1%和22.5%。【局限】对群聊消息文本特征的利用率不足,算法所设阈值过多。【结论】本文方法能够在一定程度上提高群聊话题检测效果,并扩大了话题检测所能应对的消息类型的广度,提升了舆情分析效率。

摘要： 当今时代,网络舆情传播速度快、影响力大,而话题检测在网络舆情监管中有着不可替代的作用.针对传统方法提取文本特征不完整和特征维度过高的问题,本文提出了基于时间衰减因子的LDA&&Word2Vec文本表示模型,将LDA模型的隐含主题特征和Word2Vec模型的语义特征进行加权融合,并引入了时间衰减因子,同时起到了降维和提高文本特征完整度的作用.同时,本文又提出了Single-Pass-SOM组合聚类模型,该模型解决了SOM模型需要设定初始神经元的问题,提高了话题聚类的精度.实验结果表明,本文提出的文本表示模型和文本聚类方法较传统方法拥有更好的话题检测效果.

摘要： In order to help investors find hot spots of investment in a short time, this paper combines the characteristics of the financial news and proposes a financial news topic detection model.The model constructs a time window based on financial news to segment news streams, combines the topic events, feature words, news semantics and financial name entities to extract text features, and applies the Nearest Neighbor-Hierarchical Agglomerative Clustering (NNHAC) algorithm to get the topic clusters.Experimental results show that, compared with tranditional multi-feature topic detection models, this model can effectively reduce the running time of the clustering algorithm, improve the accuracy of topic detection, and to a certain extent, it helps investors to make decision and judgement.%为辅助投资者在短期内及时发现投资热点, 结合财经新闻的特点, 提出一种财经新闻话题检测模型.构建基于财经新闻的时间窗切分新闻流, 根据新闻文本中的主题事件、特征词、新闻语义及金融命名实体提取文本特征, 并应用最近邻-凝聚层次聚类算法获得话题簇.实验结果表明, 与传统多特征话题检测模型相比, 该模型可有效降低聚类算法运行时间, 提高话题检测准确度, 且在一定程度上协助投资者进行决策判断.

摘要： 针对传统话题检测方法得到的结果和实际话题个数相差较大的缺点,根据话题所包含的文本数对话题之间的相似度进行衰减,进而优先合并粒度较小类,并根据文档话题频率和权重对较大的话题向量进行降维,通过这两方面对传统的层次聚类方法进行改进.同时为了更好地表达话题的语义信息,使用在句子中共现的词对向量来取代传统的向量空间模型.实验结果表明,使用词对模型和改进的方法可以取得更好的效果,而且得到的聚类结果和实际话题个数相近.

摘要： 在基于聚类的话题检测方法上提出了一种基于SVM过滤的检测方法,该方法在聚类前将微博文本特征抽象成用于输入向量机的向量,对微博文本进行过滤,降低了计算量.并针对微博聚类的长尾现象提出了基于高频词排序的改进单遍聚类方法,能很好地检测孤立点的存在.实验表明,该方法在海量微博数据中能有效地检测出新闻话题.

摘要： 网络舆情的监控对应急管理有着重要的作用。本文以BBS论坛的舆情数据为例，对网络舆情的信息发现中的话题检测及话题预警过程及相关技术进行了介绍，提出了新的话题预警方法，并应用近期的研究热点复杂网络技术对话题网络进行聚类以发现话题簇。最后针对2009年五大BBS论坛的数据，检测出重要话题以及对话题簇进行了检测及展示。

摘要： 文档聚类是实现话题检测与跟踪的重要方法.传统的硬聚类算法在处理边界数据时存在很大缺陷,影响话题检测的效果.针对这一问题,本文提出一种改进的基于容错粗糙集的聚类方法,利用某些文档特征项协同出现,构造特征项容错关系,扩充特征项的描述能力,最后用特征项容错类描述文档之间的相似关系,实现了话题检测与跟踪的过程.实验证明,该方法能够有效的处理边界数据,提高文本聚类的效果.

摘要： 话题检测与追踪技术是一种面向信息安全的技术,可以被广泛应用于信息安全的信息内容对抗层面,特别是对解决舆情挖掘与信息内容安全预警有着现实意义。本文针对信息安全中的舆情挖掘和预警需求,介绍TDT技术的研究现状以及TDT如何在信息安全领域得到应用,并针对未来的发展前景做出展望。

摘要： 本文介绍了话题检测与跟踪技术的由来和发展历程,并展望其应用前景,同时比较系统地介绍了现有的话题检测与跟踪系统主要采用的方法,并对其效果进行了比较.

摘要： 本文设计了一种基于关键词识别和主题检测的智能家庭普适计算系统.它是把自然语言处理中的关键词识别和主题检测技术与普适计算相结合完成的系统,它就像一个智能机器人一样,第一时间内从用户的话语中了解到用户的真正意图,依照用户意图为用户提供恰当的服务.系统通过捕捉用户话语中的关键词,利用主题检测技术锁定用户的意图和情绪,针对用户的意图联合普适家庭设备实现该系统的功能.如系统检测到王先生的话语主题为"足球",并且希望看到或听到与足球相关的报道,系统便搜索到足球相关频道提供给王先生.这个系统采集语音输入信号,计算其MFCC参数作为特征参数,在关键词识别中采用了隐马尔科夫模型,在主题检测中则采用了基于双质心话题模型的话题检测算法.

摘要： 新事件检测是话题检测与跟踪领域的一项重要研究，其任务是实时监控新闻报道流并从中识别新话题。现有方法将话题和报道描述为单一结构的特征向量进行匹配，造成子话题问互为噪声并形成错误语义，从而误导新话题的识别。针对这一缺陷，本文提出基于子话题分治匹配的新事件检测方法，将话题和报道划分为不同子话题，根据相关子话题的比例关系和分布关系建立新话题识别模型。实验在TDT4和TDT5中获得显著改进，最小检测错误代价为0.4061，相应漏检率为0.1859。

摘要： 作为话题检测与跟踪的重要研究子课题,话题跟踪针对特定话题,识别后续信息流中的相关报道。针对话题本身的漂移现象,本文基于改进的相关性模型,对跟踪中伪相关反馈包含的新颖信息进行检测和建模,并在此基础上动态调整话题空间,跟踪话题漂移,降低漏检率。实验采用TDT4语料中文资源及TDT2003的评测标准,结果验证此方法可以有效地改进话题跟踪的效果。

摘要： 本申请公开的基于大数据话题的流量话题群发方法及话题群发服务器，能够从话题用户端的话题群发需求角度以及话题群发方的情绪分析角度和语料极性角度出发，对处于群发准备状态的流量话题项目中的舆情议题信息进行话题反馈分析。此外，在确定出多个舆情议题信息的话题群发申请以及所述舆情议题信息的话题群发申请的群发申请核验信息之后，能够结合预设话题群发申请的舆情风向描述以及预设话题反馈分析的舆情风向描述进行流量话题群发，实现话题群发和舆情风向分析之间的兼容，结合语料极性分析结果实现流量话题群发，在满足正常话题群发需求和舆情风向调整的前提下实现流量话题群发，从而避免异常流量话题的滥发。

摘要： 本发明提供了一种突发话题检测方法及设备，适用于互联网技术领域，该方法包括：持续获取信息分享平台中的话题数据；在获取到每一话题数据时，将话题数据与预设词库中的各个词语进行匹配处理，以输出多种分词结果；将匹配度最高的分词结果所包含的多个分词输出为所述话题数据对应的关键词；根据所述关键词，更新与所述话题数据关联的摘要信息；对所述关键词及所述摘要信息进行展示，以使用户获知当前时刻的突发话题。本发明能够确定出话题数据对应的关键词，并基于该关键词来更新摘要信息，使得用户能够从输出的关键词及摘要信息中迅速地了解到信息分享平台上的突发话题。

摘要： 本发明提出一种针对社交媒体的动量模型的新兴热点话题检测系统及方法。该系统包括：一增量聚类算法，在于聚类出各个热点话题，为加速后面的人工标注过程；一正态分布累积概率求解，在于刻画话题的质量模型；一话题增长率求解过程，在于求解话题的速度模型；动态突发关键词的重叠率，用来衡量话题的新颖性；话题重要性衡量指标，使用话题用户和重要用户重叠率来衡量，为了衡量话题重要性；一个DBSCAN离群点检测算法，为了发现异常点来表示新兴热点话题。本发明能够利用社交媒介中数据的各维度作为特征，并刻画新兴热点话题的趋势，从而检测出新兴热点话题。

摘要： 本发明提出了一种基于突发词检测和过滤的微博突发话题检测方法。方法包括三个部分：基于词突发值计算的突发词检测、基于突发值指数平均值计算的伪突发词识别和基于话题关键字和突发词相似度的突发话题识别。理论系统完备，创新性突出，主要用于社交网络文本处理中。该发明为微博突发话题检测提供了解决方案，具有很高的实用价值。

摘要： 本发明提供了一种突发话题检测方法及设备，适用于互联网技术领域，该方法包括：持续获取信息分享平台中的话题数据；在获取到每一话题数据时，将话题数据与预设词库中的各个词语进行匹配处理，以输出多种分词结果；将匹配度最高的分词结果所包含的多个分词输出为所述话题数据对应的关键词；根据所述关键词，更新与所述话题数据关联的摘要信息；对所述关键词及所述摘要信息进行展示，以使用户获知当前时刻的突发话题。本发明能够确定出话题数据对应的关键词，并基于该关键词来更新摘要信息，使得用户能够从输出的关键词及摘要信息中迅速地了解到信息分享平台上的突发话题。

摘要： 本发明提出一种针对社交媒体的动量模型的新兴热点话题检测系统及方法。该系统包括：一增量聚类算法，在于聚类出各个热点话题，为加速后面的人工标注过程；一正态分布累积概率求解，在于刻画话题的质量模型；一话题增长率求解过程，在于求解话题的速度模型；动态突发关键词的重叠率，用来衡量话题的新颖性；话题重要性衡量指标，使用话题用户和重要用户重叠率来衡量，为了衡量话题重要性；一个DBSCAN离群点检测算法，为了发现异常点来表示新兴热点话题。本发明能够利用社交媒介中数据的各维度作为特征，并刻画新兴热点话题的趋势，从而检测出新兴热点话题。

摘要： 本发明提供一种微博突发话题在线检测方法及检测装置，能够实现微博突发话题实时在线检测。所述方法包括：获取微博文档流，提取文档的时间信息；对有标签的文档提取标签内容，利用提取的标签内容代替正文内容，将处理后的有标签的文档和没有标签的文档合成新的微博文档流；将新合成的微博文档流中的词汇构成单词对，利用带有时间信息的单词对获得突发项，建立突发话题检测模型；通过增量的方式实时更新突发话题检测模型，实现微博突发话题的在线检测。本发明涉及互联网技术领域。

摘要： 本发明提出了一种基于突发词检测和过滤的微博突发话题检测方法。方法包括三个部分：基于词突发值计算的突发词检测、基于突发值指数平均值计算的伪突发词识别和基于话题关键字和突发词相似度的突发话题识别。理论系统完备，创新性突出，主要用于社交网络文本处理中。该发明为微博突发话题检测提供了解决方案，具有很高的实用价值。

摘要： 本发明提供一种话题检测方法、装置、电子设备及存储介质，该方法包括：基于待检测的语音数据，获取目标语音块；输入目标语音块至话题检测模型，获得话题检测模型输出的检测结果。本发明提供的话题检测方法、装置、电子设备及存储介质，基于待检测的语音数据生成目标语音块，通过将目标语音块输入至话题检测模型进行优化处理，通过对目标语音块进行自动语音识别后，获得对应的语音离散表征与文本内容，通过对文本内容进行自然语言处理后，融合语音离散表征进行话题检测。能够在进行语音自动识别得到文本内容，并进行自然语言处理的同时，补入语音离散表征信息，避免语音信息丢失，在一定程度上提高话题检测的识别准确率。

摘要： 本发明公开了一种基于多特征融合的网络信息话题检测方法、系统及装置，包括：采集目标领域的新闻语料数据和文本发表时间；对采集到的新闻语料数据进行预处理，获取数据文档集；对数据文档集进行特征提取，并基于提取的特征和文本发表时间进行特征融合构建特征向量模型；基于文本发表时间的前后顺序，对特征向量模型进行聚类处理，将所有文本划分到各自的话题簇；将划分后文本在各自的话题簇中进行细聚类处理，并基于可视化工具，构建可视化微服务，实时反馈话题检测分析结果。本发明通过多维度特征提取融合的方法挖掘文本语义特征，对庞大数据集进行高效文本分析、语义挖掘和话题检测，减少传统话题检测算法的训练时间，加快话题检测的速度。