随着微博用户的增多，微博平台的信息更新频繁。针对微博文本的数据稀疏性、新词多、用语不规范等特点，提出了基于SOM聚类的微博话题发现方法。从原始语料中对文本进行预处理，通过词向量模型对短文本进行特征提取，降低了向量维度过高带来的计算量繁重问题。采用改进的SOM对话题进行聚类，该算法改善了传统文本聚类的不足，进而能有效地发现话题。实验表明该算法较传统文本聚类算法的综合指标F值有明显提高。

针对传统话题检测方法在微博短文本上存在高维稀疏的缺陷，提出了一种基于特征融合的K-means微博话题发现模型。为了更好地表达微博话题的语义信息，使用在句子中共现的词对向量模型（Biterm_VSM）代替传统的向量空间模型（Vector Space Model，VSM），并结合主题模型（Latent Dirichlet Allocation，LDA）挖掘出微博短文本中的潜在语义，把两个模型得到的特征进行特征融合，并应用K-means聚类算法进行话题的发现。实验结果表明，与传统的话题检测方法相比，该模型的调整兰德系数（Adjusted Rand index，ARI）为0.80，比传统的话题检测方法提高了3%~6%。

利用爬虫爬取知乎上关于新冠肺炎话题下的问题及答案以及评论，并利用Django+layui进行可视化

代码叫做merge_bag.py 运行的时候 python merge_bag.py -v 1028msf.bag msf.bag  vinReNoOutlier.bag  就把msf.bag和vinReNoOutlier.bag完全合并在一起了，时间戳打的都是原来两个bag里原始的时间戳，而不是像一边rosbag play一边rosbag record一样录的是现在这个时间戳 python merge_bag.py -v –topics ‘/aft_mapped_to_init /gnss/data /imu/data vinReNoOutlier’ msf.bag 2019-10-28-

初中语文12个作文常考话题素材，考试高分必备！

20210418-安信证券-美丽话题之国货：个人护理品牌崛起哪些新星？.pdf

国际学校入学考试 口语 社会话题类.pdf

国际学校入学考试 口语 开放话题类.pdf

英语四六级作文模板汇总(四级25个话题,六级20个话题)

最新即兴评述话题及答题示例-word版.zip