向卓元 吴 玉 陈 浩 张芙玮

(中南财经政法大学信息与安全工程学院 武汉 430073)

0 引 言

随着移动互联网的快速发展，微博、贴吧等社交媒体得以蓬勃发展，用户生成的社交媒体信息量呈现爆炸式的增长，同时互联网将产生海量的短文本信息。新浪微博是国内大型网络媒体之一，人们可以不受时间、空间限制，实现实时分享与传播互动。当某一个话题爆发时，微博对事件能够做出快速的反应，用户可以通过PC端、移动端等方式获取有关话题信息，或者参与信息交互(转发、评论、点赞等操作)，在短时间内形成舆论焦点，从而使该话题形成一个热点话题。因此，微博具有短文本性、实时性和交互性的特点。如何从海量的短文本数据中高效、准确地挖掘热点话题是目前舆情分析中的一个研究热点问题。

1 相关工作概述

梳理已有文献可以发现传统主题模型[1-3]是为挖掘长文本主题设计的，当应用这些模型来处理短文本时，会面临数据稀疏、语义信息匮乏、向量维度高等问题，从而无法从短文本中有效的挖掘文本主题信息，失去了在长文本话题发现中所发挥的优势。

近些年来，为了解决短文本的数据稀疏问题，部分学者通过语料数据文档的词对共现信息来学习主题。Yan等人在2013年提出词对主题模型(Biterm Topic Model，BTM)[4],通过构建词对解决短文本的稀疏性问题，实验表明该模型挖掘的话题质量不受文本长度的限制，在短文本上同样取得较好的效果；但BTM模型挖掘的主题可能属于普通话题，也可能属于热点话题，因此无法直接用于热点话题发现。……