基于卷积神经网络和用户信息的微博话题追踪模型

• 作者: 付鹏 孟丹 林政 林海伦 王伟平 袁凤程
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 话题追踪 卷积神经网络 词向量 微博分类 用户画像
• 年，卷（期）: 2017,（1）
• 页码范围: 73-80
• 页数: 8页
• 分类号: TP391.1
• 字数: 6199字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201701008

摘要

为了解决微博文本特征抽取及特征稀疏问题,提出基于卷积神经网络的微博话题追踪模型(CNN-TTM).基于微博用户信息,又提出融合微博用户信息及卷积神经网络的微博话题追踪模型(CNN-UserTTM),利用微博用户信息提高话题追踪准确率.实验表明,在新浪微博数据集上,CNN-TTM和CNN-UserTTM分别获得较高的微博话题追踪准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付鹏	中国科学院信息工程研究所信息内容安全技术国家工程实验室	8	61	5.0	7.0
2	王伟平	中国科学院信息工程研究所信息内容安全技术国家工程实验室	18	334	8.0	18.0
3	林政	中国科学院信息工程研究所信息内容安全技术国家工程实验室	6	102	5.0	6.0
4	林海伦	中国科学院信息工程研究所信息内容安全技术国家工程实验室	9	29	3.0	5.0
5	袁凤程	中国科学院信息工程研究所信息内容安全技术国家工程实验室	1	10	1.0	1.0