一种适用于微博主题提取的SMLDA模型

• 作者: 刘久云 华绿绿 夏威 黄廷磊
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 新浪微博 Gibbs算法 主题提取
• 年，卷（期）: 2015,（3）
• 页码范围: 241-244
• 页数: 4页
• 分类号: TP393
• 字数: 3047字
• 语种: 中文

摘要

针对微博文本简短、格式内容散乱、信息描述不完全、数据噪声大导致无法高效获取微博主题的问题,提出一种基于 LDA改进的 SMLDA模型。该模型综合考虑微博作者之间的关系、微博特定主题的标签以及微博文本之间转发关系和背景主题,采用 Gibbs抽样算法推导模型参数。在真实新浪微博数据集上进行试验分析,实验结果表明,SMLDA 模型与LDA模型比较,前者效率更高,提取结果更准确。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄廷磊	桂林电子科技大学计算机科学与工程学院	92	408	9.0	15.0
2	夏威	桂林电子科技大学计算机科学与工程学院	3	2	1.0	1.0
3	刘久云	桂林电子科技大学计算机科学与工程学院	3	2	1.0	1.0
4	华绿绿	桂林电子科技大学计算机科学与工程学院	3	2	1.0	1.0