《表2 话题模型表示结果比较》

  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

《基于双向量模型的自适应微博话题追踪方法》

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

为了测试双向量模型表示方法在话题追踪中的有效性，对SADV-TT方法中的话题和微博向量化步骤进行改造，形成不同的话题追踪方法:采用基于TFIDF特征选择方法的双向量模型的方法称为TFIDF-TT方法；采用基于BTM主题模型进行特征选择并采用词嵌入的方式向量化话题和微博的方法称Vector-TT方法；采用基于BTM主题模型提取特征然后采用VSM方法向量化话题和微博的方法称为VSM-TT方法；采用基于BTM主题模型特征选择方法的双向量模型的方法称为DoubleVector-TT方法.在相同实验数据下将Double Vector-TT方法与TFIDF-TT方法、Vector-TT方法以及VSM-TT方法进行比较，以验证双向量模型表示方法的可行性.相似度阈值参数设置:TFIDF-TT=0.2，Vector-TT=0.45，VSM-TT=0.04，DoubleVector-TT=0.2.表2给出的是4种方法在3个话题上的平均漏检率、平均误检率以及平均（CDet）norm指标.