期刊文献+

基于主题模型的新疆暴恐舆情分析 被引量:7

Public Opinion Analysis for Xinjiang Violence News Based on Topic Model
下载PDF
导出
摘要 随着互联网的飞速发展,网络舆情引发的问题也越发突出。尤其是近年来发生的新疆暴恐事件,已成为公众关注的焦点。主题演化是网络舆情分析的重要内容之一,为了把握关于新疆的舆情动态,该文从主题热度变化、内容变化及关键词等多方面进行了研究。该文首先抓取了2013年1月到2015年12月互联网中关于新疆暴恐事件的新闻,并以此作为数据集建立了动态主题模型,实现对新闻的主题演化分析。该模型采用两次非负矩阵分解来生成主题,以层级式狄利克雷过程为对比实验,通过可视化分析与比较,总结出新疆暴恐事件的一些规律。 With the explosive growth of networks,the internet public opinion becomes a non-negligible issue.A typical example is focus on the events about Xinjiang Violence happened in recent years.In order to examine the corresponding public opinion trends,this paper investigates the key words of topic and the change of both topic strength and its content.On the crawled news about Xinjiang Violence from 2013.01 to 2015.12,we apply the dynamic topic model(DTM)which generate topics by applying NMF twice.Compared to HDP,we reveal some properties by visualized analysis.
作者 张绍武 邵华 林鸿飞 杨亮 ZHANG Shaowu;SHAO Hua;LIN Hongfei;YANG Liang(Dalian University of Technology,Institute of Computer Science and Technology,Dalian,Liaoning 116024,China;Xinjiang University of Finance and Economics,Institute of Computer Science and Engineering,Urumqi,Xinjiang 830013,China)
出处 《中文信息学报》 CSCD 北大核心 2018年第5期105-113,共9页 Journal of Chinese Information Processing
基金 国家自然科学基金(61562080 71561025 61632011)
关键词 动态主题模型 层级式狄利克雷过程 主题模型 可视化 DTM HDP topic model visualization
  • 相关文献

参考文献4

二级参考文献46

  • 1李伟.当前国际恐怖与反恐斗争的特点与趋势[J].现代国际关系,2007(2):22-27. 被引量:10
  • 2中国互联网络信息中心.第28次中国互联网络发展状况统计报告[R].2011-7-19.
  • 3洪宇,张宇,刘挺,李生.话题检测与跟踪的评测及研究综述[J].中文信息学报,2007,21(6):71-87. 被引量:153
  • 4Allan J. Introduction to topic detection and tracking [M]. Topic detection and tracking. Springer US, 2002: 1-16.
  • 5Gohr A, Hinneburg A, Schult R, et al. Topic Evolu tion in a Stream of Documents[C]//Proceedings of the SDM'09 : 859-872.
  • 6Martinovic J, Gajdog P. Vector model improvement by fca and topic evolution[C]//Proceedings of the DATE- SO. 2005, 129: 46-57.
  • 7Mei Q, Zhai C X. Discovering evolutionary theme pat- terns from text: an exploration of temporal text mining [C]//Proceedings of the llth ACM SIGKDD interna tional conference on Knowledge discovery in data min- ing. ACM, 2005:198-207.
  • 8Song X, Lin C Y, Tseng B L, et al. Modeling and predicting personal information dissemination behavior [C]//Proceedings of the llth ACM SIGKDD interna tional conference on Knowledge discovery in data rain ing. ACM, 2005: 479-488.
  • 9A1Sumait L, Barbard D, Domeniconi C. On-line I.DA: adaptive topic models for mining text streams with ap plications to topic detection and tracking[C]//Proceed- ings of the Data Mining, 2008. ICDM'08. Eighth IEEE International Conference on. IEEE, 2008: 3-12.
  • 10Heinrich G. Infinite LDA implementing the HDP with minimum code complexity[J]. Technical note, 2011: 170.

共引文献10

同被引文献62

引证文献7

二级引证文献35

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部