基于权重微博链的改进LDA微博主题模型

• 作者: 于岩 何赞园 李星 李英乐 李鹏
• 来源期刊: 计算机应用研究
• 关键词: 短文本 主题挖掘 微博链 潜在狄利克雷分布 perplexity
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 算法研究与探讨
• 页码范围: 2018-2021
• 页数: 4页
• 分类号: TP399|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.07.021

摘要

社交网络尤其是微博中含有大量的短文本.短文本不同于传统的文本,其携带的语义特征信息密度低,很难对其进行准确的主题挖掘.针对这一问题,提出根据微博发布时间与原创、转发、评论微博等社交行为信息分配权重,使用背景知识丰富语义特征的微博链结构与基于此改进的LDA主题模型.实验结果表明,相比于标准的LDA模型,本模型的perplexity值更低,即具有较低的预测不确定度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏		12	71	4.0	8.0
2	李星		12	55	4.0	7.0
3	何赞园		10	41	4.0	6.0
4	李英乐		7	80	4.0	7.0
5	于岩		4	60	4.0	4.0