微博等社交媒體因其具有話題內(nèi)容廣、傳播速度快、實(shí)時(shí)性好、用戶數(shù)量龐大的特點(diǎn)，已經(jīng)成為傳播市場(chǎng)經(jīng)濟(jì)、時(shí)事政治等資訊的重要平臺(tái)，發(fā)揮著輿情發(fā)酵中心、事件記錄中心、力量集聚中心和謠言粉碎中心的作用。因此，對(duì)微博等社交媒體文本進(jìn)行主題分析，發(fā)現(xiàn)其演化趨勢(shì)，契合新聞?shì)浾摫O(jiān)控國(guó)家需求，落實(shí)習(xí)近平總書記在黨的十九大報(bào)告中提出的新聞?shì)浾摴ぷ髦�力點(diǎn)，“堅(jiān)持正確輿論導(dǎo)向，高度重視傳播手段建設(shè)和創(chuàng)新，提高新聞?shì)浾搨鞑チ�、引�?dǎo)力、影響力、公信力”。
　　近年來，傳統(tǒng)長(zhǎng)文本分析方法及其性能取得不斷突破的同時(shí)也在日趨飽和，其發(fā)展正逐漸面臨來自對(duì)篇幅較短且缺乏上下文信息文本的挑戰(zhàn)。短文本的特殊性主要表現(xiàn)在如下三個(gè)方面：（1）文體較短。短文本大多在140字以內(nèi)，而傳統(tǒng)主題模型（如PLSA、LDA等）僅適用于長(zhǎng)文本，若利用傳統(tǒng)的主題模型對(duì)短文本建模，會(huì)造成嚴(yán)重的數(shù)據(jù)稀疏問題，使得挖掘到的特征詞之間關(guān)聯(lián)性較差，從而影響主題劃分效果。（2）語言表述不規(guī)范。社交媒體面向大眾群體，用詞和語法格式?jīng)]有統(tǒng)一標(biāo)準(zhǔn)，用戶更趨向于使用網(wǎng)絡(luò)熱詞、表情、符號(hào)等來表達(dá)自己的想法，這就導(dǎo)致短文本中充斥著大量的噪聲數(shù)據(jù)，給主題劃分造成了一定的困難。（3）文本形式的特殊性。在形式上，以微博短文本為例，大多含有話題標(biāo)簽，話題標(biāo)簽中的詞能起到概括該微博內(nèi)容的作用，這些特殊形式的文本將影響主題劃分效果。因此，如何快速準(zhǔn)確地從短文本中挖掘和發(fā)現(xiàn)潛在有用的主題特征詞，獲得短文本主題隨時(shí)間變化的演化規(guī)律，已經(jīng)成為短文本分析與演化的關(guān)鍵問題。
　　作者多年來一直從事數(shù)據(jù)挖掘、自然語言處理、網(wǎng)絡(luò)輿情分析等領(lǐng)域的研究工作。近5年來，作者及科研團(tuán)隊(duì)針對(duì)現(xiàn)有傳統(tǒng)面向社交媒體短文本的主題模型聚類方法語義分析能力、主題劃分效果不佳、熱點(diǎn)話題演化準(zhǔn)確率不高等重點(diǎn)和難點(diǎn)問題，融合聚類等數(shù)據(jù)挖掘技術(shù)，開展短文本主題情感分析和特征提取方法、面向評(píng)論短文本分析與演化和面向熱點(diǎn)話題發(fā)現(xiàn)與演化的主題模型研究，有望突破傳統(tǒng)主題模型LDA、BTM和oBTM的局限，形成新的利用主題模型和聚類技術(shù)分析社交媒體短文本的方案。上述研究成果對(duì)于融合主題模型的聚類方法在多元化新媒體短文本的應(yīng)用推廣具有理論支撐和實(shí)踐價(jià)值：同時(shí)，也為網(wǎng)絡(luò)輿情監(jiān)控以及應(yīng)急響應(yīng)策略制定提供決策和支持，對(duì)維護(hù)社會(huì)穩(wěn)定、節(jié)約社會(huì)管理資源，具有重要的應(yīng)用價(jià)值。
　　當(dāng)前，面向短文本的主題模型技術(shù)仍處于發(fā)展階段，國(guó)內(nèi)尚缺少較為全面和系統(tǒng)地介紹主題模型技術(shù)的書籍。本書是在上述科學(xué)研究和技術(shù)開發(fā)工作基礎(chǔ)上撰寫而成，是筆者及科研團(tuán)隊(duì)在面向微博、彈幕等社交媒體分析及演化的主題模型研究成果的系統(tǒng)總結(jié)。因此，希望本書的出版能夠?yàn)橹黝}模型技術(shù)在社交媒體短文本及其他領(lǐng)域的應(yīng)用提供借鑒與幫助。