基于LDA主题模型的用户兴趣发现方法

• 作者: 储涛涛
• 来源期刊: 软件
• 学科: 工学
• 关键词: 用户兴趣 短文本 LDA 特征拓展 K-means
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 38-42
• 页数: 5页
• 分类号: TP391
• 字数: 4309字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2016.12.009

摘要

用户兴趣是对微博用户研究的重要内容，本文使用聚类方法提取用户兴趣。由于微博短文本的特征稀疏和上下文依赖性，传统方法不能取得良好的效果。本文对微博短文本进行基于 LDA 主题模型的特征拓展处理。LDA主题模型引入隐含主题，通过主题相似性，在一定程度上拓展文本特征，弥补原文本特征稀疏的缺点。并且，在处理多义词时，主题相似性能明显区分不同词义，以解决上下文依赖问题。在此基础上，通过文本聚类方法提取用户兴趣。通过实验表明，在引入LDA模型下，聚类效果和用户兴趣抽取的到明显提升，有效解决的微博用户兴趣发现中文博短文本特征稀疏和上下文依赖问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	储涛涛	北京邮电大学计算机学院	1	4	1.0	1.0