第3期 刘志雄，等：面向用户兴趣与社区关系的微博话题检测方法 ·299. 2.3局部算法对照试验 所关注，提高用户活跃度。并且，本文采用主题度计 由于本文提出的面向用户兴趣与社区关系的微 算话题热度并排序，使话题展示顺序更加合理。 博话题检测与已有研究不同，一是方法不同，二是研 3结束语 究数据不同，因此我们没有和已发表方法进行对比。 但我们对已选取的社区划分方法的差异而造成的结 本文提出了一种基于用户兴趣与社区关系的微 果差异，进行了一些分析。 博话题检测方法，该方法能够快速准确地在社区内 除了使用BGLL算法[1]对微博ε近邻图)进 部检测话题，并对话题按热度进行排行。并且，该方 行话题分割，我们采用被广泛使用的图聚类方法 法巧妙融合了新浪微博的社区特性与文本特性，检 metis]、经典社区划分算法infomap2o)、基于模块 测的话题更加迎合用户的兴趣。 度的快速社区划分算法fastnewman对微博e近 本文以主题词的形式来表现微博话题，但是本 邻图进行话题分割。为了更全面地分析我们的实验 文对主题词采用硬划分，导致同一主题词只能属于 结果，选取了CV[]值作为评价指标（表3中CV值 唯一主题。但在真实情况下，可能多个话题含有同 为该社区内所有话题CV值的平均值)，该评价指标 一主题词，如何实现将主题词划入多个话题，有待进 由Mimno!1]基于评估话题质量而提出。 一步研究。另外，以主题词表现话题并不是特别直 给定一个话题t和它的描述主题词V(t)= 观，如何实现以词组或句子表达主题，也有待进一步 ((t),2(t),…,w(t)),则CV值定义为 研究。 C(t,)= D(n0,y0)+1 ∑log (7) 参考文献： D(v() [1]BLEI D M,NG A Y,JORDAN M I.Latent dirichlet alloca- 式中：D()为包含词v的文档频次，D(,v')为同时 tion[J].The journal of machine learning research,2003,3 包含词v和'的文档频次。CV值基于描述同一话 (4-5):993-1002. 题的词往往同时出现于同一文档中。CV值越小， [2]VON LUXBURG U.A tutorial on spectral clustering J]. 所得话题簇的一致性越好。 Statistics and computing,2007,17(4):395-416. 实验结果如表3所示。由表3可以知道，选择 [3]郭庆琳，李艳梅，唐琦.基于VSM的文本相似度计算的 不同的方法对微博ε近邻图进行话题聚类，会得到 研究[J].计算机应用研究，2008,25(11)：3256-3258. 不同的结果。在本实验中，metis方法的效果总体上 GUO Qinglin,Li Yanmei,TANG Qi.Similarity computing 好于BGLL方法，但本文的方法只是面向用户兴趣 of documents based on VSM[J].Application research of 和社区关系的话题检测框架的一个尝试，这类方法 computers,2008,25(11):3256-3258. 都可以找到用户群兴趣个性化的话题。 [4]周刚，邹鸿程，熊小兵，等.MB-SinglePass:基于组合相 似度的微博话题检测[J].计算机科学，2012,39(10)： 表3BGLL算法与metis、infomap、fastnewman算法 198-202 对照试验结果 ZHOU Gang,ZOU Hongcheng,XIONG Xiaobing,et al. Table 3 The controlled Trials result of BGLL with metis, MB-SinglePass:microblog topic detection based on com- infomap、fastnewman bined similarity[J].Computer science,2012,39(10): 划分算法体育公益娱乐时政生活科技财经 198-202. bgll -15.8-6.3-16.3-22.3-14.3-15.3-14.0 [5]郑斐然，苗夺谦，张志飞，等.一种中文微博新闻话题 metis -17.3-0.5-17.3-8.8-17.0-8.0-7.0 检测的方法[J].计算机科学，2012,39(1)：138-141. infomap-4.0-4.2-8.0-3.2-8.4-6.0 -3.2 ZHENG Feiran,MIAO Duoqian,ZHANG Zhifei,et al. fastnewman-7.2-5.2-6.2-5.2-5.8-5.4-4.4 News topic detection approach on Chinese microblog[J]. Computer science,2012,39(1):138-141. 综上所述，本文提出的算法面向用户兴趣检测 [6]方然，苗夺谦，张志飞.一种基于情感的中文微博话题 话题，基于词重要度的词过滤方法使得社区内的特 检测方法[J].智能系统学报，2013,8(3)：208-213. 征向量维度更低、更稠密，有效地解决了微博话题检 FANG Ran,MIAO Duoqian,ZHANG Zhifei,et al.An e- 测过程中出现的特征稀疏问题。与普通话题检测方 motion-based method of topic detection from Chinese mi- 法相比，该算法所检测话题更有可能被社区内用户 croblogs [J ]CAAI transactions on intelligent systems,２．３ 局部算法对照试验 由于本文提出的面向用户兴趣与社区关系的微 博话题检测与已有研究不同，一是方法不同，二是研 究数据不同，因此我们没有和已发表方法进行对比。 但我们对已选取的社区划分方法的差异而造成的结 果差异，进行了一些分析。 除了使用 ＢＧＬＬ 算法［１３］ 对微博 ε 近邻图［２］ 进 行话题分割，我们采用被广泛使用的图聚类方法 ｍｅｔｉｓ ［１７］ 、经典社区划分算法 ｉｎｆｏｍａｐ ［２０］ 、基于模块 度的快速社区划分算法 ｆａｓｔｎｅｗｍａｎ ［１６］ 对微博 ε 近 邻图进行话题分割。 为了更全面地分析我们的实验 结果，选取了 ＣＶ ［１８］值作为评价指标（表 ３ 中 ＣＶ 值 为该社区内所有话题 ＣＶ 值的平均值），该评价指标 由 Ｍｉｍｎｏ ［１８］基于评估话题质量而提出。 给定一个话题 ｔ 和它的描述主题词 Ｖ （ ｔ） ＝ （ｖ１（ｔ）， ｖ２（ｔ），…， ｖＭ（ｔ）），则 ＣＶ 值定义为 Ｃ（ｔ，ｖ （ｔ） ） ＝ ∑ Ｍ ｍ ＝ ２∑ ｍ－１ ｌ ＝ １ ｌｏｇ Ｄ（ｖｍ （ｔ） ，ｖｌ （ｔ） ） ＋ １ Ｄ（ｖｌ （ｔ） ） （７） 式中：Ｄ（ｖ）为包含词 ｖ 的文档频次，Ｄ（ｖ， ｖ′）为同时 包含词 ｖ 和 ｖ′的文档频次。 ＣＶ 值基于描述同一话 题的词往往同时出现于同一文档中。 ＣＶ 值越小， 所得话题簇的一致性越好。 实验结果如表 ３ 所示。 由表 ３ 可以知道，选择 不同的方法对微博 ε 近邻图进行话题聚类，会得到 不同的结果。 在本实验中，ｍｅｔｉｓ 方法的效果总体上 好于 ＢＧＬＬ 方法，但本文的方法只是面向用户兴趣 和社区关系的话题检测框架的一个尝试，这类方法 都可以找到用户群兴趣个性化的话题。 表 ３ ＢＧＬＬ 算法与 ｍｅｔｉｓ、ｉｎｆｏｍａｐ、ｆａｓｔｎｅｗｍａｎ 算法 对照试验结果 Ｔａｂｌｅ ３ Ｔｈｅ ｃｏｎｔｒｏｌｌｅｄ Ｔｒｉａｌｓ ｒｅｓｕｌｔ ｏｆ ＢＧＬＬ ｗｉｔｈ ｍｅｔｉｓ、 ｉｎｆｏｍａｐ、ｆａｓｔｎｅｗｍａｎ 划分算法 体育 公益 娱乐 时政 生活 科技 财经 ｂｇｌｌ －１５．８ －６．３ －１６．３ －２２．３ －１４．３ －１５．３ －１４．０ ｍｅｔｉｓ －１７．３ －０．５ －１７．３ －８．８ －１７．０ －８．０ －７．０ ｉｎｆｏｍａｐ －４．０ －４．２ －８．０ －３．２ －８．４ －６．０ －３．２ ｆａｓｔｎｅｗｍａｎ －７．２ －５．２ －６．２ －５．２ －５．８ －５．４ －４．４ 综上所述，本文提出的算法面向用户兴趣检测 话题，基于词重要度的词过滤方法使得社区内的特 征向量维度更低、更稠密，有效地解决了微博话题检 测过程中出现的特征稀疏问题。 与普通话题检测方 法相比，该算法所检测话题更有可能被社区内用户 所关注，提高用户活跃度。 并且，本文采用主题度计 算话题热度并排序，使话题展示顺序更加合理。 ３ 结束语 本文提出了一种基于用户兴趣与社区关系的微 博话题检测方法，该方法能够快速准确地在社区内 部检测话题，并对话题按热度进行排行。 并且，该方 法巧妙融合了新浪微博的社区特性与文本特性，检 测的话题更加迎合用户的兴趣。 本文以主题词的形式来表现微博话题，但是本 文对主题词采用硬划分，导致同一主题词只能属于 唯一主题。 但在真实情况下，可能多个话题含有同 一主题词，如何实现将主题词划入多个话题，有待进 一步研究。 另外，以主题词表现话题并不是特别直 观，如何实现以词组或句子表达主题，也有待进一步 研究。 参考文献： ［１］ＢＬＥＩ Ｄ Ｍ， ＮＧ Ａ Ｙ， ＪＯＲＤＡＮ Ｍ Ｉ． Ｌａｔｅｎｔ ｄｉｒｉｃｈｌｅｔ ａｌｌｏｃａ⁃ ｔｉｏｎ［Ｊ］． Ｔｈｅ ｊｏｕｒｎａｌ ｏｆ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ｒｅｓｅａｒｃｈ， ２００３， ３ （４⁃５）： ９９３⁃１００２． ［２］ ＶＯＮ ＬＵＸＢＵＲＧ Ｕ． Ａ ｔｕｔｏｒｉａｌ ｏｎ ｓｐｅｃｔｒａｌ ｃｌｕｓｔｅｒｉｎｇ ［ Ｊ］． Ｓｔａｔｉｓｔｉｃｓ ａｎｄ ｃｏｍｐｕｔｉｎｇ， ２００７， １７（４）： ３９５⁃４１６． ［３］郭庆琳， 李艳梅， 唐琦． 基于 ＶＳＭ 的文本相似度计算的 研究［Ｊ］． 计算机应用研究， ２００８， ２５（１１）： ３２５６⁃３２５８． ＧＵＯ Ｑｉｎｇｌｉｎ， Ｌｉ Ｙａｎｍｅｉ， ＴＡＮＧ Ｑｉ． Ｓｉｍｉｌａｒｉｔｙ ｃｏｍｐｕｔｉｎｇ ｏｆ ｄｏｃｕｍｅｎｔｓ ｂａｓｅｄ ｏｎ ＶＳＭ ［ Ｊ］． Ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｆ ｃｏｍｐｕｔｅｒｓ， ２００８， ２５（１１）： ３２５６⁃３２５８． ［４］周刚， 邹鸿程， 熊小兵， 等． ＭＢ⁃ＳｉｎｇｌｅＰａｓｓ： 基于组合相 似度的微博话题检测［ Ｊ］． 计算机科学， ２０１２， ３９（１０）： １９８⁃２０２． ＺＨＯＵ Ｇａｎｇ， ＺＯＵ Ｈｏｎｇｃｈｅｎｇ， ＸＩＯＮＧ Ｘｉａｏｂｉｎｇ， ｅｔ ａｌ． ＭＢ⁃ＳｉｎｇｌｅＰａｓｓ： ｍｉｃｒｏｂｌｏｇ ｔｏｐｉｃ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｍ⁃ ｂｉｎｅｄ ｓｉｍｉｌａｒｉｔｙ ［ Ｊ］． Ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， ２０１２， ３９ （ １０）： １９８⁃２０２． ［５］郑斐然， 苗夺谦， 张志飞， 等． 一种中文微博新闻话题 检测的方法［Ｊ］． 计算机科学， ２０１２， ３９（１）： １３８⁃１４１． ＺＨＥＮＧ Ｆｅｉｒａｎ， ＭＩＡＯ Ｄｕｏｑｉａｎ， ＺＨＡＮＧ Ｚｈｉｆｅｉ， ｅｔ ａｌ． Ｎｅｗｓ ｔｏｐｉｃ ｄｅｔｅｃｔｉｏｎ ａｐｐｒｏａｃｈ ｏｎ Ｃｈｉｎｅｓｅ ｍｉｃｒｏｂｌｏｇ ［ Ｊ］． Ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， ２０１２， ３９（１）： １３８⁃１４１． ［６］方然， 苗夺谦， 张志飞． 一种基于情感的中文微博话题 检测方法［Ｊ］． 智能系统学报， ２０１３， ８（３）： ２０８⁃２１３． ＦＡＮＧ Ｒａｎ， ＭＩＡＯ Ｄｕｏｑｉａｎ， ＺＨＡＮＧ Ｚｈｉｆｅｉ， ｅｔ ａｌ． Ａｎ ｅ⁃ ｍｏｔｉｏｎ⁃ｂａｓｅｄ ｍｅｔｈｏｄ ｏｆ ｔｏｐｉｃ ｄｅｔｅｃｔｉｏｎ ｆｒｏｍ Ｃｈｉｎｅｓｅ ｍｉ⁃ ｃｒｏｂｌｏｇｓ ［ Ｊ ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， 第 ３ 期 刘志雄，等：面向用户兴趣与社区关系的微博话题检测方法 ·２９９·