陈美英，周安民

（四川大学电子信息学院，成都 610065）

基于改进Single-Pass算法的话题发现技术研究

陈美英，周安民

（四川大学电子信息学院，成都 610065）

为了在海量的移动互联网数据中自动识别出新闻话题，分析经典Single-Pass聚类算法及其不足，提出针对性改进方法完成新闻话题发现。改进算法继承Single-Pass聚类算法的原理，通过对关键信息加权和引入时间因子提高算法的聚类精度；通过设置话题中心与待聚类文本比较来降低算法的计算开销。实验表明，改进后的算法相比于经典算法在准确率、召回率和F值三个指标上有所提高。

Single-Pass 聚类算法；TF-IDF；时间因子；话题中心

0 引言

随着互联网的飞速发展和普及，网络成为人们获取新闻资讯的重要渠道之一。根据第38次《中国互联网络发展状况统计报告》的数据显示，截至 2016年 6月，中国网民规模达 7.10亿，半年共计新增网民 2132万人；手机网民规模达 6.56亿，较 2015年底增加3656万人[1]。随着手机流量资费的下降、手机终端大屏化等应用体验的提升，以手机作为主要上网终端会成为更多人的选择。网络新闻作为基础的互联网应用，用户规模保持稳健增长，使用率在80%以上。网络新闻客户端是人们在日常生活中关心国家大事和社会热点的最简单直接的工具，大量繁杂甚至无用的网络信息也通过新闻客户端输送给用户。那么，如何在海量互联网信息中检测和提取当今社会大众较为关注的新闻事件话题变得尤为重要。

1 话题发现研究现状

话题检测与……