换一批LDA和KNN相结合的帖子热度预测算法
Algorithm for prediction of post's hotness using K-nearest neighbors and latent dirichlet allocation
摘要随着互联网的快速发展,网络舆情对社会的影响与日俱增.对互联网上网民产生的海量文本内容进行快速准确的分析,以及在此基础上捕捉网络舆情,并对其发展趋势进行预测,对社会经济发展无疑具有重要意义.为此,本文研究了论坛中帖子的热度预测问题,针对现有算法在度量帖子内容相似性时仅仅考虑字面上的相似性,未涉及语义层面,并且未考虑发帖人的特定喜好等不足,提出了LDA(潜在狄利克雷分配)与KNN(K近邻)相结合的热度预测算法,该算法利用LDA挖掘帖子表面文本隐藏的主题信息和用户感兴趣的主题信息,在概念层面上度量帖子之间的相似性,在此基础上基于KNN算法对帖子的热度进行预测.在两组数据集的实验结果表明,所提出的算法在预测准确率方面明显优于相关工作中的方法,平均准确率分别提高了4.34％和2.52％.
更多相关知识
关键词
网络舆情潜在狄利克雷分配K近邻帖子热度预测相似性Web public opinionLatent Dirichlet AllocationK-nearest neighbor algorithmPrediction of post's hotnessSimilarity
分类号
TP311.13
DOI
10.3969/j.issn.0490-6756.2014.03.010
发布时间
2014-07-15（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引20
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
