面向内容的海量网络话题倾向型模型研究

摘要

海量网络内容中,许多话题结构相近、关系相似,传统的话题倾向型模型,只依赖一个固定特征词作为模型搜索指标,导致模型搜索时遗失部分相似性内容,因此构建具备相似性搜索能力的话题倾向型模型。该模型利用改进蚁群聚类算法,划分海量网络内容;采用时间序列法选择同类话题,追踪话题倾向;根据低秩矩阵和约束条件,计算倾向相似度,通过设置相似性搜索指标,实现模型的全局搜索。实验结果表明,与传统方法构建的模型相比,此次构建的模型以多个同类型的相似指标进行搜索,得到的数据更多,降低了相似性内容的遗失数量。