7.3.1 实验设置
1.数据集
利用爬取的200万条新浪微博作为实验数据，进行如下预处理：移除重复的和非中文的微博；分词、去除停用词；移除出现次数少于8次的词；移除少于3个词的文档。处理后的数据包含40万条微博。时间间隔按天进行设置。
2.评价指标
突发话题发现新颖度（Novelty）：在每个时间片获取的来自主题Z的词，并构建关键词集合，W（t）和W（t-1）分别为两个相邻时间片的词对集合，突发话题新颖度的计算如式（7-15）所示：
其中，
表示数据集中的词的数量，T表示包含在主题中的词的数量。
3.对比算法
采用当前主流的突发话题发现算法Online LDA、Twevent、BBTM、BEE作为对比算法。
4.参数设置
时间片设置为1天，设置
。
