《表2 每个主题对应的频率最大的10个主题词》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《“一带一路”若干区域社会发展态势大数据分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于沿线国家社会发展态势存在差异，新闻主题类型不完全相同，因此，本文利用LDA主题模型针对各沿线国家新闻数据分别进行主题挖掘，得到每条新闻的主题概率向量；然后引入K均值聚类算法对主题概率向量进行划分，若向量值不足以划分为3类，或最大概率值小于阈值（阈值大小与主题挖掘时设定的主题数目有关），或各聚类簇中心差异过小，则认为此新闻文档无法对应于任一主题，丢弃此新闻文档。最后将最大概率值对应聚类簇中的主题作为新闻文档的主题，分析各主题的主题词概率向量，对主题进行人工解释，共得到19类感兴趣的新闻主题，各主题概率最大的10个主题词如表2所示。对沿线国家新闻主题进行统计，计算得到各类新闻主题占各国新闻总数的百分比（表3）。以沿线25个国家的省一级的行政单元为单位，统计各类新闻主题出现的频率，得到各省新闻主题频率向量，将占比最高的新闻主题作为地区的社会关键要素，对此结果进行时空可视化，如图1所示。