王立平，赵晖

（新疆大学信息科学与工程学院，乌鲁木齐830046）

0 引言

在当前的Web3.0 时代，微信、微博等新兴社交软件的出现，热点话题的传播速度变得前所未有。越来越多的人开始通过互联网表达他们的主观想法。产生了大量的短文本，如微博中的博文、评论、转发内容等。一些热点问题在此类社交媒体中的传播速度比现实生活中的报纸杂志要快得多。作为网络舆论的重要组成部分，热门话题往往与微博紧密联系。微博上对不同事件、商品和公众人物的评论往往主导舆论的方向。此外，有关部门的决策行为往往受到公众意见和行为的影响。因此，如何从微博上检测当前热门话题显得尤为重要。

与普通文本不同，短文本具有稀疏性和高维性，对于微博短文本的主题聚类[1]显得十分关键。一种设计良好的短文本聚类算法能够极大地促进其实际应用，如主题检测、个性化推荐、图像或视频标签、信息检索等。传统的热点话题检测方法，常常依赖文本词频特征的提取，然而同样的的词汇在不同句子中往往代表不同的含义，例如“苹果”这个词汇，在“乔布斯创办苹果公司”和“我喜欢吃苹果”这两句话中意义不同，前者代表一种手机，后者则表示一种水果。在文本特征提取方面，获取词在句子的上下文[2]关联关系是自然语言处理的重要前提。

传统的独热表示（one-hot representation）将词从文本转化成计算机可以运算的数学符号，无法表示出语义层面上词与词之间的相关信息。……