异源在线网络话题早发现及演化特征研究

从海量新闻标题、微博等短文本异源数据及早、准确地发现舆情话题及其演化规律,以期为政府和企业监管舆情态势提供参考。以大规模异源在线社会网络数据为研究源,以文本关键词共现为建模依据点构建时变话题网络模型,将异源在线网络话题早发现及演化追踪问题转变为时变话题网络的动态社团发现与社团演化规律研究问题。进一步,提出以Louvain算法为迭代核心且以模块度增益和网络局部增量为算法量化对象的时变网络动态Louvain社团发现方法,通过与静态Louvain社团发现算法在大量计算机仿真和真实异源社会媒体数据下实验对比分析,证明所建话题网络和动态Louvain社团算法可在较少时空代价下快速、有效地实现对异源在线社会网络隐匿话题的早发现和演化规律追踪。