关键词：核方法;;食品安全;;网络舆情;;数据填补;;话题检测与追踪
摘 要：随着互联网,尤其是移动互联网的进一步发展,公众获取信息和发表观点越发便捷,舆情事件的发生也更加频繁。由于食品安全关系国计民生,食品安全舆情一直社会关注的重点。话题的不断发酵,容易形成重大的舆情事件,给社会带来负面影响。本文对食品安全舆情分析方法进行研究,深入探讨了数据填补和话题检测与追踪算法,对于保证食品行业健康发展和促进社会和谐稳定具有重要的现实意义。在舆情分析中,数据预处理是算法运行的基础,而在数据预处理时,经常会遇见数据缺失的现象,为了让己有数据得到充分应用,使算法不会因为缺失数据而造成偏· 差,故需对缺失数据进行填补。本文结合聚类分析和离群点检测,提出了 KKMOD算法,采用聚类分析区分数据类型,保证仅有同簇内的数据才能相互影响,避免了其他类别数据干扰,之后选择簇内最相似的数据进行填补,提高其数据填补正确率。最后利用离群点检测算法对填补值进行迭代修正,进一步提高了数据填补正确率。在数据填补的基础上,本文对话题检测与追踪算法进行了研究。为了得到合适的话题模型,采用核K-Means进行话题检测,构建初始的话题模型。在话题追踪阶段,为改善因话题重心的改变而引起的话题漂移现象,本文在基于SVM的话题追踪上进行研究并加以改进,首先,加入新闻相关属性,参与分类实验,计算并对比可信度,最终决定待分类样本的类别;其次,对话题进行自适应的改进,使得算法能够自动的更新话题模型,有效追踪话题的后续报道,改善话题漂移现象。最后本文设计实现了一个食品安全网络舆情分析系统,系统采用主题爬虫采集相关数据,并对于缺失的数据进行填补,构成完备的食品安全舆情数据集,然后构建向量空间模型,再采用本文提出的KKMOD方法和改进的基于SVM话题追踪算法,对食品安全舆情数据集进行话题检测与追踪,使得初始话题模型构建和话题后续新闻追踪更加准确。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取