市场经济中的蛛网模型 自由贸易市场中常见的现象:我们时常听到,今年的 苹果(陕西)大丰收,按说农民应该很高兴,但是由于价 格很低,农民反而赔钱,于是很多农户砍了苹果树,转 而经营其它农副业,类似的现象还发生在很多农副业 的产品,如鸡,生猪,桔子等消费品上.其大致规律是:一 段时间的上市量远多于需求量,引起价格下降,于是 物贱伤农,生产者发现养殖赔钱,于是转而经营其他 农副业.过了一段时间后,市场上供应量大减,于是因 为供不应求导致价格上涨.生产者又看到养殖有钱可 赚,又重操旧业,这样过一段时间后又会出现供大于 求的局面.如此反复循环

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%