论文部分内容阅读
[目的/意义]现有新媒体事件的聚类研究聚焦于事件的单一维度属性,并未考虑事件传播的网络结构特征和文本分布特征。[方法/过程]本研究基于信息熵的相关概念,提出基于网络结构熵与内容分布熵的事件聚类模型。模型在表征事件网络结构特征、内容分布特征的基础上完成跨内容事件相似度对比,并使用图表示学习算法与k-means聚类算法对事件进行分析与聚类。本文选取113例微博事件作为实验对象,并使用事件基本属性(点赞、评论、转发等)作为聚类对照实验组。[结论/发现]实验结果分析表明,本研究提出的模型能够捕捉到新媒体事件更深层