基于特征融合的K-means微博话题发现模型
针对传统话题检测方法在微博短文本上存在高维稀疏的缺陷，提出了一种基于特征融合的K-means微博话题发现模型。为了更好地表达微博话题的语义信息，使用在句子中共现的词对向量模型（Biterm_VSM）代替传统的向量空间模型（Vector Space Model，VSM），并结合主题模型（Latent Dirichlet Allocation，LDA）挖掘出微博短文本中的潜在语义，把两个模型得到的特征进行特征融合，并应用K-means聚类算法进行话题的发现。实验结果表明，与传统的话题检测方法相比，该模型的调整兰德系数（Adjusted Rand index，ARI）为0.80，比传统的话题检测方法提高了3%~6%。
文件下载
评论信息
其他资源
- vf3lib：VF3算法-解决大型图和密集图上子图同构的最快算法-源码
- stm32进入停止模式 中断唤醒 keil 程序
- 图像性能指标matlab版本
- U8C新建账套手册.docx
- LSTM实例,可以运行
- 网页设计——美食
- ICP算法二维实现
- UNIX,LINUX下使用信号量实现“银行排队模拟系统”
- 仿光影电影网微信小程序源码(完整带后台).zip
- QuartusII软件下的时序约束使用方法
- 基于正点原子的STM32mini版代码
- mysql-connector-java-5.1.18.jar
- luci-app-adguardhome_1.8-11_all.ipk
- 仿知乎程序
- 水环境数值模拟课件 第三章地下水污染及其特征2.pdf
- Spiculation Quantification Method Based on Edge Gradient Orientation Histogram
- UCenter_Home_2.0+UCenter_1.6_SC.zip
- mybatis.zip
- CAJViewer 7.3.135.self.exe
- c++电子邮箱
- 最详细的矢量控制说明 spvwm
- 学生成绩查询系统（c语言）
- 华容道完整源码及素材(Java实现)
- MARLAB 入门（MATLAB 数学工具软件 实例简明教程）
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明