一种面向微博主题挖掘的改进LDA模型

• 作者: 江红 谢昊
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 新浪微博 文本挖掘 RT-LDA 吉布斯抽样
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 93-101
• 页数: 9页
• 分类号: TP39
• 字数: 5181字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2013.06.011

摘要

随着新浪微博用户的不断增长,微博网站成为很多人获取信息的平台.但是微博是一种特殊的文本,其字数受到严格限制,传统的主题模型并不能很好地分析微博的内容.本文提出了一个基于LDA的微博生成模型RT-LDA来解决微博字数受限的问题.模型采用吉布斯抽样法来推导,不仅能准确地挖掘每条微博的主题,还能归纳出用户关注的主题分布情况.在真实数据集上的实验表明,RT-LDA模型能很好地对微博进行主题挖掘.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江红	华东师范大学计算中心	53	553	11.0	22.0
2	谢昊	华东师范大学计算中心	1	50	1.0	1.0