基于 LDA 模型的社交网络主题社区挖掘

• 作者: 欧卫 欧缤忆 谢彬彬 谢赞福
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: LDA 社交网络 主题社区
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 21-25,29
• 页数: 6页
• 分类号: TP311.131
• 字数: 4528字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2014.08.005

摘要

以微博为代表的社交网络已成为社会舆情的战略要地。对于社交网络中隐含主题社区的发掘，具有较高的商业推广和舆情监控价值。近年来，概率生成主题模型LDA（ Latent Dirichlet Allocation ）在数据挖掘领域得到了广泛应用。但是，一般而言，LDA适用于处理文本、数字信号数据，并不能合理地用来处理社交网络用户的关系数据。对LDA进行修改，提出适用于处理用户关系数据的Tri-LDA模型，挖掘社交网络中的主题社区。实验结果表明，基于Tri-LDA模型，进行机器学习所得到的结果基本能够反映社交网络上真实的主题社区分布情况。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢赞福	广东技术师范学院计算机科学学院	43	259	9.0	14.0
2	欧卫	广东技术师范学院计算机科学学院	4	18	2.0	4.0
3	谢彬彬	广东技术师范学院计算机科学学院	2	13	1.0	2.0
4	欧缤忆	江西师范大学心理学院	2	17	2.0	2.0