基于离散粒子群算法的微博热点话题检测算法

传统的热点话题检测算法在构建短文本表示模型，短时间内在大型语料库中实现核心算法以及在检测热点话题的过程中对算法的质量进行评估时，由于其固有的缺陷，无法在微博上展现其最佳性能。 本文提出了一种检测微博热点话题的新方法。 该方法利用了基于概率相关性的表示方法，以确保密集且低维的微博表示矩阵。 此外，我们将聚类作为优化问题，并引入了离散粒子群优化（DPSO）来简化聚类过程以检测主题。 此外，采用聚类质量评估标准作为主题检测的优化目标函数，可以在每次迭代后评估算法的质量。 包含超过148,000个Twitter的语料库的实验结果表明，我们的算法是一种有效的微博客热点检测方法。