王雅琳，陸向艷，鐘 誠(chéng)

（廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院，廣西 南寧530004）

0 引 言

基于純文本的熱點(diǎn)話題發(fā)現(xiàn)方法未考慮網(wǎng)頁(yè)文本的特殊性，獲得的結(jié)果準(zhǔn)確度不高［1－3］，為此，研究者開始關(guān)注網(wǎng)頁(yè)特征，在文本挖掘的基礎(chǔ)上加入鏈接分析。文獻(xiàn) ［4］在內(nèi)容計(jì)算網(wǎng)頁(yè)相似度的基礎(chǔ)之上，引入鏈接分析，提高了話題相關(guān)性度量的準(zhǔn)確度；文獻(xiàn) ［5］通過(guò)頁(yè)面鏈接來(lái)估計(jì)信息的傳播性質(zhì)，并對(duì)信息的熱度進(jìn)行度量；文獻(xiàn) ［6］運(yùn)用復(fù)雜網(wǎng)絡(luò)理論構(gòu)建文本的加權(quán)復(fù)雜網(wǎng)絡(luò)模型，從而形成更準(zhǔn)確的文本特征值。文獻(xiàn) ［4－6］在基于文本挖掘的基礎(chǔ)上與鏈接分析相結(jié)合，一定程度上提高了話題發(fā)現(xiàn)的準(zhǔn)確度，但未能避免文本向量化及特征提取等耗時(shí)的文本處理，因此計(jì)算復(fù)雜度較高。為處理大規(guī)模Web數(shù)據(jù)挖掘以實(shí)時(shí)發(fā)現(xiàn)輿情熱點(diǎn)，基于鏈接分析的熱點(diǎn)發(fā)現(xiàn)方法被提出。HITS算法［7］以及PageRank算法［8］利用鏈接分析的方法來(lái)獲得網(wǎng)頁(yè)排名。這些方法僅以網(wǎng)頁(yè)之間的鏈接為研究對(duì)象，通過(guò)分析鏈接關(guān)系找到熱點(diǎn)話題。文獻(xiàn) ［9］將HITS算法和PageRank算法相結(jié)合，給出一種基于鏈接分析的網(wǎng)絡(luò)輿情熱點(diǎn)發(fā)現(xiàn)方法，該方法計(jì)算復(fù)雜度較低，但該方法的頁(yè)面權(quán)重完全依賴與之有鏈接關(guān)系的頁(yè)面的質(zhì)量，而頁(yè)面的質(zhì)量?jī)H靠鏈入鏈出數(shù)量來(lái)決定，這種頁(yè)面權(quán)重計(jì)量方法易受作弊鏈接的影響，即為了提高的網(wǎng)頁(yè)排名，作弊者自行加入許多指向權(quán)威頁(yè)面的鏈接，且其未考慮頁(yè)面的時(shí)效性，相對(duì)發(fā)布時(shí)間較早的網(wǎng)頁(yè)易獲得更高的網(wǎng)頁(yè)權(quán)重，其對(duì)鏈接未加以選擇，且對(duì)所有的鏈接均賦予相同的權(quán)重。因此，該方法仍然未能解決HITS算法和PageRank算法存在的抵抗作弊鏈接能力較弱的缺陷以及主題漂移問(wèn)題。

本文的主要貢獻(xiàn)是：利用復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)高度主題相關(guān)的特點(diǎn)，以頁(yè)面為節(jié)點(diǎn)，將清洗后的鏈接作為邊，并考慮了時(shí)間因素對(duì)頁(yè)面權(quán)重的影響，頁(yè)面權(quán)重由博文及博主的相關(guān)屬性綜合評(píng)定，從而建立博客話題模型；采用螢火蟲算法對(duì)形成的無(wú)向有權(quán)圖進(jìn)行聚類獲得聚類中心，將聚類中心按頁(yè)面權(quán)重從大到小排序，最終形成熱點(diǎn)的話題熱度排行；設(shè)計(jì)實(shí)現(xiàn)一種有效避免作弊鏈接不良影響、克服主題漂移現(xiàn)象、可挖掘出精度更高且數(shù)量更多的博客熱點(diǎn)話題算法。

1 博客話題模型

1.1 模型結(jié)構(gòu)

文獻(xiàn) ［10］闡述了因特網(wǎng)屬于復(fù)雜網(wǎng)絡(luò)，網(wǎng)絡(luò)簇結(jié)構(gòu)具有同簇節(jié)點(diǎn)連接密集、異簇節(jié)點(diǎn)連接稀疏的自組織特點(diǎn)，并且證實(shí)了自組織方式形成的Web 簇具有高度主題相關(guān)性。相較于因特網(wǎng)上的其它信息，博客領(lǐng)域的話題更加分散且觀點(diǎn)呈現(xiàn)個(gè)性化特征，表述也更規(guī)范，并且通常代表一種相對(duì)單一的觀點(diǎn)。

為了從博主所發(fā)的博文中高效準(zhǔn)確地挖掘出熱點(diǎn)話題，本文在文獻(xiàn) ［11］給出的網(wǎng)絡(luò)社區(qū)話題結(jié)構(gòu)的基礎(chǔ)上設(shè)計(jì)了一個(gè)博客話題模型，該模型由博文層、事件層和話題層組成，如圖1所示。最底層是博文層，即原始網(wǎng)絡(luò)，主要是由博主發(fā)出的博文以及相關(guān)鏈接組成。中間層為事件層，該層是將博文層中不同博主發(fā)出的關(guān)于某一事件的博文聚在一起，形成對(duì)該事件較為全面的描述。頂層是話題層，它將事件層中的同類事件聚合在一起，形成一個(gè)話題。該話題的核心即是影響力最大的博文，博文的博主即為該話題的精神領(lǐng)袖。在博文層，博文由博文熱度、鏈接以及鏈接權(quán)重組成，第m 個(gè)博文的表示方式為Articlem＝ ｛Articlehotnessm，Linkm，Linkweightm｝；事件層的事件由博文組成，Eventp表示博文集中的第p 個(gè)事件，Eventp＝ ｛Article1，…，Articles｝；話題層中的話題由事件組成，Topicq表示博文集中的第q 個(gè)話題，Topicq＝ ｛Event1，…，Eventr｝。

1.2 博文熱度

圖1 博客話題模型的三層結(jié)構(gòu)

在博客領(lǐng)域，博主被關(guān)注的人數(shù)越多，所發(fā)出的博文被評(píng)閱以及收藏轉(zhuǎn)發(fā)的可能性就越大；博文的閱讀量越大，表明該博文受到的關(guān)注度越高；評(píng)論數(shù)及收藏量越大，表明該博文獲得的認(rèn)可度越高博文被轉(zhuǎn)發(fā)的可能性就越大；博文的轉(zhuǎn)發(fā)量表明該博文獲得的推薦度。因此，博主的感召力以 “關(guān)注人氣”的人數(shù)來(lái)體現(xiàn)，博文熱度則以博文的“閱讀量”、 “收藏量”、 “評(píng)論數(shù)”以及 “轉(zhuǎn)發(fā)量”來(lái)綜合體現(xiàn)。

為充分體現(xiàn)博文的熱度，本文綜合考慮了博主及博文兩類屬性。為消除因發(fā)布時(shí)間不同而造成博文熱度存在的差異，本文提取博文 “發(fā)布時(shí)間”作為平衡熱度的因子。博文頁(yè)面Xm的熱度計(jì)算公式為

式中：Δt（Xm）——博文Xm發(fā)布時(shí)間與當(dāng)前時(shí)間之間的時(shí)間間隔，k——衰減系數(shù)，依據(jù)關(guān)注人氣a（Xm）取值，k初值為0，a（Xm）每增加5000則k增加0.1［12］，c（Xm）為博文Xm的閱讀量，z（Xm）為博文Xm的收藏量，f（Xm）為博文Xm的評(píng)論數(shù)，r（Xm）為博文Xm的轉(zhuǎn)載量，m＝1，2，…，n，n為博文頁(yè)面數(shù)，χ、ε、φ和η分別為相關(guān)系數(shù)，χ調(diào)節(jié)數(shù)量級(jí)，ε、φ和η滿足ε＋φ＋η＝1。

1.3 鏈接選擇

已有的基于鏈接分析的熱點(diǎn)發(fā)現(xiàn)方法對(duì)鏈接未加以選擇，且對(duì)所有的鏈接均賦予相同的權(quán)重，經(jīng)多輪迭代后，將會(huì)使密集鏈接區(qū)域中主題不相關(guān)但鏈接數(shù)很多的頁(yè)面具有過(guò)高的權(quán)重，即形成了主題漂移現(xiàn)象。為克服此現(xiàn)象，本文通過(guò)鏈接清洗來(lái)摒棄主題無(wú)關(guān)的鏈接，且通過(guò)博主以及博文的相關(guān)屬性來(lái)直接評(píng)價(jià)博文熱度，從而避免了因只依賴鏈接而賦予頁(yè)面權(quán)重引起的網(wǎng)頁(yè)排名不準(zhǔn)確的問(wèn)題。

博文頁(yè)面鏈接主要有兩種：一是博文到博主的鏈接，博主每閱讀、評(píng)論、收藏一篇博文，均在該頁(yè)面形成一條指向該博主的博客鏈接，這種鏈接表達(dá)了博主之間的關(guān)系；二是博文到博文的鏈接，包括博文的轉(zhuǎn)發(fā)鏈接、相似博文的鏈接以及博主的其它博文鏈接。為了最大限度地減少作弊鏈接對(duì)計(jì)算頁(yè)面熱度的影響，本文方法對(duì)相關(guān)鏈接進(jìn)行清洗后，僅抽取轉(zhuǎn)發(fā)鏈接以及相似博文鏈接來(lái)進(jìn)行鏈接分析。這兩種鏈接關(guān)系能夠?qū)⑾嗨浦黝}聯(lián)系起來(lái)，經(jīng)聚類后形成同一話題。

利用已抽取的鏈接關(guān)系建立博文的鄰接矩陣E

其中，eij取0或1，eij＝1表示頁(yè)面i與頁(yè)面j 之間有直接鏈接，eij＝0表示頁(yè)面i與頁(yè)面j 之間沒(méi)有直接鏈接。

2 運(yùn)用螢火蟲算法聚類博文

為了獲得權(quán)威的博客頁(yè)面，要進(jìn)行相似主題聚類。螢火蟲算法具有自動(dòng)識(shí)別簇、不依賴初始值且不預(yù)設(shè)聚類中心的特點(diǎn)，優(yōu)于其它群智能優(yōu)化算法［12，13］。因此，本文運(yùn)用螢火蟲算法［14］對(duì)博文聚類。

在運(yùn)用螢火蟲算法對(duì)博文進(jìn)行聚類時(shí)，前期適當(dāng)擴(kuò)大搜索空間，將能有效地避免陷入局部最優(yōu)，后期適當(dāng)縮小搜索空間，將能快速確定最優(yōu)值。本文利用混沌理論［15］控制搜索范圍的參數(shù)α 在既定范圍內(nèi)獲得較大的隨機(jī)性，以使算法的聚類精度達(dá)到最優(yōu)。

螢火蟲算法中的參數(shù)與博客話題模型中的參數(shù)存在一一映射關(guān)系。螢火蟲種群規(guī)模n映射博文頁(yè)面集規(guī)模n，螢火蟲個(gè)體m 映射博文頁(yè)面Xm，螢火蟲的最大吸引度β0 映射頁(yè)面鏈接的權(quán)重eij，i，j＝1，2，…，n。

螢火蟲的最大熒光亮度I0映射博文頁(yè)面Xm的熱度Hotness（Xm）

螢火蟲的相對(duì)熒光亮度I 映射個(gè)體m 的適應(yīng)度向量F（Xm）

式中：rij——螢火蟲Xi與Xj之間的空間距離，γ——光強(qiáng)吸收系數(shù)。為了均衡I0與rij對(duì)相對(duì)熒光亮度I的調(diào)節(jié)力度，本文將個(gè)體m 的適應(yīng)度向量F（Xm）的計(jì)算公式改進(jìn)為

式中：δ——調(diào)節(jié)系數(shù)。

若F（Xi）＜F（Xj），則螢火蟲Xi被吸引向螢火蟲Xj移動(dòng)，其位置更新公式為

式中：t——種群的代數(shù)，其初值為1，Xti、Xtj為螢火蟲個(gè)體Xi和Xj所處的空間位置，random（）為 ［0，1］上服從均勻分布的隨機(jī)因子；擾動(dòng)項(xiàng)為αti（random（）－1/2）。

螢火蟲個(gè)體m （博文頁(yè)面Xm）在第t輪迭代計(jì)算更新個(gè)體m 的位置 （更新頁(yè)面鏈接權(quán)值）時(shí)，取值范圍為 ［0，1］的混沌參數(shù)為

式中：Dtm——個(gè)體m 在第t 輪迭代時(shí)的混沌變量。采用Logistic映射獲得混沌序列［15］

3 博客熱點(diǎn)話題發(fā)現(xiàn)算法

3.1 博客熱點(diǎn)話題發(fā)現(xiàn)方法

融合運(yùn)用鏈接分析與螢火蟲算法聚類博文的熱點(diǎn)話題發(fā)現(xiàn)方法如圖2所示。具體步驟是：①解析域名，與目標(biāo)網(wǎng)絡(luò)建立TCP連接。②利用URL 模板來(lái)匹配獲取的URL地址，若相符，則存入本地文檔，否則丟棄。③根據(jù)頁(yè)面模板抽取的相關(guān)屬性值計(jì)算博文熱度值，利用抽取的相關(guān)鏈接形成鄰接矩陣。運(yùn)用螢火蟲算法對(duì)博文進(jìn)行聚類后，提取各個(gè)話題簇的權(quán)威頁(yè)面形成熱點(diǎn)，然后將博文標(biāo)題按照博文熱度值排序，形成熱點(diǎn)的話題熱度排行。

圖2 融合運(yùn)用鏈接分析與螢火蟲算法聚類博文的熱點(diǎn)話題發(fā)現(xiàn)方法

3.2 算法描述

本文將博文頁(yè)面映射成螢火蟲個(gè)體，將尋找簇結(jié)構(gòu)（相似博文聚成的話題）即聚類過(guò)程映射成螢火蟲個(gè)體間的相互吸引和位置移動(dòng)過(guò)程，并利用歸一化開銷控制螢火蟲種群的迭代輪數(shù)。獲得簇結(jié)構(gòu)后，選取各簇亮度最大的螢火蟲 （權(quán)威頁(yè)面）作為聚類中心，螢火蟲個(gè)體代表的博文頁(yè)面即為博客熱點(diǎn)話題。融合運(yùn)用鏈接分析和螢火蟲算法聚類博文的熱點(diǎn)話題發(fā)現(xiàn)算法 （簡(jiǎn)記為Blog－IPO 算法）描述如下：

算法1：Blog－IPO 算法

輸入：博文頁(yè)面集

輸出：熱點(diǎn)排行

Begin

（1）對(duì)參數(shù)χ、ε、φ、η、γ、β0、α、δ、μ初始化；

（2）抽取博文頁(yè)面Xm的相關(guān)屬性，按式 （1）計(jì)算博文Xm的熱度Hotness（Xm），m＝1，2，…，n；

（3）抽取Xm的轉(zhuǎn)發(fā)鏈接及相似博文鏈接；

（4）形成鄰接矩陣E；

（5）t＝1；

（6）for i＝1to ndo

（7）for j＝1to ndo

1）若eij＝1則按式 （4）計(jì)算螢火蟲個(gè)體Xi、Xj的適應(yīng)度向量F（Xi）、F（Xj）；

2）若F（Xi）＜F（Xj）則按式 （5）更新Xi的Xt＋1i；

3）按式 （7）和式 （8）計(jì)算αt＋1i；

（8）按后述的式 （11）計(jì)算歸一化開銷 （CDet）Norm，將第t輪迭代計(jì)算所得的歸一化開銷 （記為）與第（t－1）輪迭代計(jì)算所得的歸一化開銷進(jìn)行比較，若＜則令t＝t＋1，轉(zhuǎn)歩驟 （6），否則轉(zhuǎn)歩驟 （9）；

（9）依據(jù)Xt＋1i形成聚類中心Xcenter，center＝1，2，…，h，h為聚類中心數(shù)目；

（10）將Xcenter的標(biāo)題按照Hotness（Xcenter）從大到小排序；

（11）輸出熱點(diǎn)話題排行Topic1，Topic2，…，Topich；

End

Blog－IPO算法利用復(fù)雜網(wǎng)絡(luò)的簇結(jié)構(gòu)高度主題相關(guān)的特性建立博客話題模型，同時(shí)運(yùn)用博文以及博主的相關(guān)屬性來(lái)衡量頁(yè)面權(quán)重，并提取博文的發(fā)布時(shí)間作為平衡熱度的因子以消除因發(fā)布時(shí)間不同造成的熱度差異，選取與博文內(nèi)容相同或相關(guān)的鏈接形成鄰接矩陣，并運(yùn)用螢火蟲算法對(duì)博文進(jìn)行聚類形成聚類中心 （熱點(diǎn)話題），克服了基于鏈接分析的輿情發(fā)現(xiàn)方法存在的主題漂移現(xiàn)象，并消除了作弊鏈接對(duì)頁(yè)面排名的影響，提高了熱點(diǎn)話題發(fā)現(xiàn)的準(zhǔn)確度。

4 實(shí) 驗(yàn)

4.1 數(shù)據(jù)集

實(shí)驗(yàn)數(shù)據(jù)來(lái)源于新浪博客，利用開源工具HTML Parser解析目標(biāo)博客網(wǎng)站的頁(yè)面，然后利用模板匹配抽取相關(guān)信息。新浪博客抽取信息及屬性見(jiàn)表1。

4.2 實(shí)驗(yàn)環(huán)境

本文的實(shí)驗(yàn)硬件環(huán)境為主頻2.90GHz、4GB 內(nèi)存、500G 硬盤的Intel奔騰雙核G2020 計(jì)算機(jī)，操作系統(tǒng)為Windows XP，編程開發(fā)工具為VC＋＋6.0。

4.3 實(shí)驗(yàn)參數(shù)

本文實(shí)驗(yàn)采用的參數(shù)χ＝0.001、δ＝0.1、ε＝0.3、φ＝0.2、η＝0.5由文獻(xiàn) ［16］獲得，μ＝4由文獻(xiàn) ［15］獲得，控制聚類效果的參數(shù)α、γ由實(shí)驗(yàn)獲得。文獻(xiàn) ［17］的研究表明當(dāng)α∈ ［0，1］、γ∈ ［0，10］時(shí)算法性能較好，本文令α以間隔0.1、γ以間隔1的幅度變化構(gòu)造55 對(duì)組合參數(shù)，用歸一化開銷作為聚類質(zhì)量的評(píng)測(cè)標(biāo)準(zhǔn)對(duì)本文數(shù)據(jù)集進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明當(dāng)α＝0.2、γ＝1時(shí)，歸一化開銷達(dá)到最低，即聚類質(zhì)量最佳。

表1 抽取的信息及屬性

4.4 實(shí)驗(yàn)結(jié)果

對(duì)博客而言，博文能夠越多地被聚類到正確的話題簇中，并且能夠識(shí)別出越多的話題，則說(shuō)明該熱點(diǎn)話題發(fā)現(xiàn)方法的性能越好。因此，本文從聚類博文精度以及發(fā)現(xiàn)話題的個(gè)數(shù)兩個(gè)方面進(jìn)行實(shí)驗(yàn)測(cè)試，并與文獻(xiàn) ［9］的方法（記為HITS－PageRank）對(duì)比結(jié)果。

4.4.1 博文聚類精度對(duì)比

實(shí)驗(yàn)抽取新浪博客專題模塊中如下10個(gè)專題作為測(cè)試數(shù)據(jù)：韓國(guó)歲月號(hào)沉船事件、蘭州自來(lái)水苯含量超標(biāo)、文章出軌、中國(guó)大媽盧浮宮跳廣場(chǎng)舞、內(nèi)地小孩在港隨地小便、房?jī)r(jià)下調(diào)、中紀(jì)委嚴(yán)懲貪污腐敗、黑龍江火車脫軌案、城管被打、馬來(lái)西亞人質(zhì)。

依據(jù)TDT 評(píng)測(cè)標(biāo)準(zhǔn)，采用漏檢率Pmiss、錯(cuò)檢率Pfault以及歸一化開銷 （CDet）Norm來(lái)評(píng)價(jià)網(wǎng)絡(luò)輿情熱點(diǎn)發(fā)現(xiàn)方法的博文聚類精度

其中：Cmiss是Pmiss的代價(jià)常量，Cfault是Pfault的代價(jià)常量，Ptarget表示一個(gè)文本屬于某個(gè)話題的先驗(yàn)概率，Ptarget＝1－Ptarget。根據(jù)TDT 評(píng)測(cè)標(biāo)準(zhǔn)，通常取Cmiss＝1、Cfault＝0.1和Ptarget＝0.02。

Blog－IPO 方法與HITS－PageRank方法對(duì)不同專題的漏檢率、錯(cuò)檢率結(jié)果如圖3、圖4所示。

由圖3、圖4可以看出，對(duì)于各個(gè)話題專題，Blog－IPO方法的漏檢率均低于HITS－PageRank方法，Blog－IPO 方法的漏檢率比 HITS－PageRank 方法的漏檢率平均降低24.53%。這是因?yàn)楸疚奶岢龅腂log－IPO 方法使用的鏈接均是話題的有效鏈接，大大提高了話題中相似博文的聚合力，聚類后的話題相關(guān)博文數(shù)量增多，從而降低了漏檢率。除了Blog－IPO 方法對(duì)專題1 與專題4 的錯(cuò)檢率略高于HITS－PageRank方法的錯(cuò)檢率以外，Blog－IPO 方法對(duì)其余專題的錯(cuò)檢率均明顯低于HITS－PageRank 方法的錯(cuò)檢率。這是因?yàn)锽log－IPO 方法對(duì)頁(yè)面權(quán)重評(píng)判以及鏈接清洗，避免了話題漂移現(xiàn)象，有效地提高了話題聚類的準(zhǔn)確率，從而使得Blog－IPO 方法整體上降低了錯(cuò)檢率。

圖3 Blog－IPO 方法和HITS－PageRank方法對(duì)不同話題專題的漏檢率

圖4 Blog－IPO 方法和HITS－PageRank方法對(duì)不同話題專題的錯(cuò)檢率

Blog－IPO 方法與HITS－PageRank方法對(duì)不同話題專題的歸一化開銷如圖5所示。

圖5 Blog－IPO 方法和HITS－PageRank方法對(duì)不同話題專題的歸一化開銷

圖5的結(jié)果表明，對(duì)于不同話題專題的歸一化開銷，Blog－IPO方法均低于HITS－PageRank方法，平均降低了27.81%。這是因?yàn)橄噍^于錯(cuò)檢率，漏檢率在歸一化開銷中占據(jù)的比重較大，而本文的Blog－IPO 方法的漏檢率明顯低于HITS－PageRank方法的漏檢率。

綜合以上實(shí)驗(yàn)結(jié)果分析可知，本文給出的融合運(yùn)用鏈接分析和螢火蟲算法聚類博文的熱點(diǎn)話題發(fā)現(xiàn)方法能夠有效地挖掘出精度更高的博客熱點(diǎn)話題。

4.4.2 熱點(diǎn)話題挖掘結(jié)果

實(shí)驗(yàn)抽取了從2014年4月1日8時(shí)至4月30日18時(shí)新浪博客發(fā)表的4236個(gè)博文頁(yè)面及62341條鏈接作為測(cè)試數(shù)據(jù)。HITS－PageRank方法與Blog－IPO 方法發(fā)現(xiàn)的熱點(diǎn)話題結(jié)果分別見(jiàn)表2、表3。

表2 HITS－PageRank方法發(fā)現(xiàn)的熱點(diǎn)話題結(jié)果

表3 Blog－IPO 方法發(fā)現(xiàn)的熱點(diǎn)話題結(jié)果

對(duì)比表2、表3可知，Blog－IPO方法發(fā)現(xiàn)了15個(gè)熱點(diǎn)話題，HITS－PageRank方法發(fā)現(xiàn)了10個(gè)熱點(diǎn)話題，兩種方法發(fā)現(xiàn)的話題均為2014年4月的熱點(diǎn)信息，但是Blog－IPO 方法發(fā)現(xiàn)的話題數(shù)量更多。HITS－PageRank方法發(fā)現(xiàn)的話題數(shù)量少于本文提出的Blog－IPO 方法發(fā)現(xiàn)的話題數(shù)量，是因?yàn)镠ITS－PageRank方法存在話題漂移現(xiàn)象，將主題詞相似但實(shí)質(zhì)表述不同事件（例如表3中的以“火車”為關(guān)鍵詞的話題9與11、以“住房”為關(guān)鍵詞的話題6與13）的博文歸為一類。此外，HITS－PageRank方法受到非相關(guān)鏈接的影響，未能識(shí)別出相對(duì)規(guī)模較小的表3中的熱點(diǎn)話題12、14以及15。

5 結(jié)束語(yǔ)

本文給出的利用復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)高度主題相關(guān)的特性、基于三層博客話題模型、融合運(yùn)用鏈接分析和螢火蟲算法聚類博文的熱點(diǎn)話題發(fā)現(xiàn)方法，克服已有的基于鏈接分析的輿情熱點(diǎn)發(fā)現(xiàn)方法抵抗作弊鏈接能力較弱、存在主題漂移現(xiàn)象的問(wèn)題，能夠發(fā)現(xiàn)精度更高、數(shù)量更多的博客熱點(diǎn)話題。本文的博客熱點(diǎn)話題發(fā)現(xiàn)方法依據(jù)復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)進(jìn)行建模，對(duì)于社區(qū)結(jié)構(gòu)明顯的論壇熱點(diǎn)話題發(fā)現(xiàn)研究有參考價(jià)值。為適應(yīng)大數(shù)據(jù)時(shí)代Web信息挖掘的需求，下一步工作將研究適合大規(guī)模博文頁(yè)面熱點(diǎn)話題發(fā)現(xiàn)的方法。

［1］ZHENG Kui，SHU Xueming，YUAN Hongyong.Hot spot information auto－detection method of network public opinion［J］.Computer Engineering，2010，36 （3）：4－6 （in Chinese）.［鄭魁，疏學(xué)明，袁宏永.網(wǎng)絡(luò)輿情熱點(diǎn)信息自動(dòng)發(fā)現(xiàn)方法 ［J］.計(jì)算機(jī)工程，2010，36 （3）：4－6.］

［2］WANG Tietao，WANG Guoying，CHEN Yue，et al.Study of network public opinion situation based on semantic pattern and word sentiment orientation ［J］.Computer Engineering and Design，2012，33 （1）：74－77 （in Chinese）. ［王鐵套，王國(guó)營(yíng)，陳越，等.基于語(yǔ)義模式與詞匯情感傾向的輿情態(tài)勢(shì)研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012，33 （1）：74－77.］

［3］LONG Zhiyi，CHENG Wei.Kind of hot topic detection algorithm based on clustering keywords ［J］.Computer Engineering and Design，2011，32 （6）：2214－2216 （in Chinese）.［龍志禕，程葳.基于詞聚類的熱點(diǎn)話題檢測(cè)算法 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32 （6）：2214－2216.］

［4］ZHU Hengmin，SU Xinning，ZHANG Xiangbin.A topic tracking method of Internet public opinion based on link network diagram［J］.Journal of the China Society for Scientific and Technical Information，2012，30 （12）：1235－1241（in Chinese）.［朱恒民，蘇新寧，張相斌.基于鏈接網(wǎng)絡(luò)圖的互聯(lián)網(wǎng)輿情話題跟蹤方法［J］.情報(bào)學(xué)報(bào)，2012，30 （12）：1235－1241.］

［5］LI Dongfang，YU Nenghai，YIN Huagang.Mining hot topics on Internet under Web 2.0 ［J］.Journal of Electronics ＆Information Technology，2010，32 （5）：1141－1145（in Chinese）.［李東方，俞能海，尹華罡.一種Web 2.0 環(huán)境下互聯(lián)網(wǎng)熱點(diǎn)挖掘算法［J］.電子與信息學(xué)報(bào)，2010，32 （5）：1141－1145.］

［6］XIE Fenghong，ZHANG Dawei，HUANG Dan，et al.Keywords extraction based on weighted complex network ［J］.Journal of Systems Science and Mathematical Sciences，2010（11）：1592－1596 （in Chinese）. ［謝鳳宏，張大為，黃丹，等.基于加權(quán)復(fù)雜網(wǎng)絡(luò)的文本關(guān)鍵詞提取 ［J］.系統(tǒng)科學(xué)與數(shù)學(xué)，2010 （11）：1592－1596.］

［7］Nonaka H，Kubo D，Kimura T H，et al.Correlation analysis between financial data and patent score based on HITS algorithm ［C］//IEEE International Technology Management Conference，2014：1－4.

［8］Ji－Lin Z，Yong－jian R，Wei Z，et al.Webs ranking model based on pagerank algorithm ［C］//2nd International Conference on Information Science and Engineering.IEEE，2010：4811－4814.

［9］HUANG Min，HU Xuegang.Internet public opinion hot spot mining base on complex network theory ［J］.Computer Simulation，2011，28 （9）：114－117 （in Chinese）. ［黃敏，胡學(xué)鋼.基于復(fù)雜網(wǎng)絡(luò)方法的輿情熱點(diǎn)挖掘 ［J］.計(jì)算機(jī)仿真，2011，28 （9）：114－117.］

［10］YANG Bo，LIU Dayou，LIU J，et al.complex network clustering algorithms ［J］.Journal of Software，2009，20（1）：54－66 （in Chinese）.［楊博，劉大有，Liu J，等.復(fù)雜網(wǎng)絡(luò)聚類方法 ［J］.軟件學(xué)報(bào)，2009，20 （1）：54－66.］

［11］HE Jianmin，ZHANG Yi.Research on identifying method for the hot topics based on class entropy distance measurement［J］.Information Science，2012，30 （8）：1147－1150 （in Chinese）.［何建民，張義.基于類熵距離測(cè)量的熱點(diǎn)話題識(shí)別方法研究 ［J］.情報(bào)科學(xué)，2012，30 （8）：1147－1150.］

［12］Senthilnath J，Omkar S N，Mani V.Clustering using firefly algorithm：performance study ［J］.Swarm and Evolutionary Computation，2011，1 （3）：164－171.

［13］Banati H，Bajaj M.Performance analysis of firefly algorithm for data clustering ［J］.International Journal of Swarm Intelligence，2013 （1）：19－35.

［14］Yang X S.Nature－inspired metaheuristic algorithms ［M］.Bristal，UK：Luniver Press，2008：83－96.

［15］Amiri B，Hossain L，Crawford J W，et al.Community detection in complex networks：Multi－objective Enhanced Firefly Algorithm［J］.Knowledge－Based Systems，2013，46 （1）：1－11.

［16］ZHOU Erzhong.Blog hot topic detection and its analysis on public opinion ［D］.Beijing：Beijing University of Technology，2013 （in Chinese）.［周而重.博客輿情熱點(diǎn)發(fā)現(xiàn)與分析［D］.北京：北京工業(yè)大學(xué)，2013.］

［17］Yang X S.Multiobjective firefly algorithm for continuous optimization［J］.Engineering with Computers，2013，29（2）：175－184.