基于 MB-HDP 模型的微博主题挖掘

• 作者: 刘少鹏 印鉴 杨晓颖 欧阳佳 黄云
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 主题挖掘 微博 分层Dirichlet过程 MB-HDP
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 数据挖掘
• 页码范围: 1408-1419
• 页数: 12页
• 分类号: TP391
• 字数: 9550字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2015.01408

摘要

主题模型是挖掘微博潜在主题的重要工具．然而，现有的主题模型多由 Latent Dirichlet Allocation （LDA）派生，它需要用户预先指定主题数目．为了自动挖掘微博主题，作者提出了一个基于分层 Dirichlet 过程（Hierarchical Dirichlet Process，HDP）的非参数贝叶斯模型 MB-HDP．首先，针对微博应用场景，假设消息是不可交换的；接着，利用微博的时间信息、用户兴趣以及话题标签，聚合主题相关的消息以解决微博短文本的数据稀疏问题；然后，扩展Chinese Restaurant Franchise （CRF）对微博数据进行主题建模；最后，设计一个相应的 Markov Chain Monte Carlo （MCMC）采样方法，推导 MB-HDP 模型的分布参数．实验表明，在生成主题质量、内容困惑度和模型复杂度等指标上，MB-HDP 模型明显优于 LDA 和 HDP 两种模型．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	印鉴	中山大学信息科学与技术学院计算机科学系	117	2906	26.0	51.0
2	黄云	中山大学信息科学与技术学院计算机科学系	10	88	3.0	9.0
3	刘少鹏	中山大学信息科学与技术学院计算机科学系	7	114	6.0	7.0
4	欧阳佳	中山大学信息科学与技术学院计算机科学系	3	71	3.0	3.0
5	杨晓颖	中山大学信息科学与技术学院计算机科学系	1	42	1.0	1.0