基于动态主题模型融合多维数据的微博社区发现算法

• 作者: 刘冰玉 王兴伟 王军伟 王翠荣 王聪 黄敏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 新浪微博 文本挖掘 DC-DTM 吉布斯采样 LDA 主题模型
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 246-261
• 页数: 16页
• 分类号: TP181
• 字数: 13557字
• 语种: 中文
• DOI: 10.13328/j.cnki.j0s.005116

摘要

随着微博用户的不断增加,微博网络已成为用户进行信息交流的平台.针对由于博文长度受限,传统的社区发现算法无法有效解决微博网络的稀疏性等问题,提出了DC-DTM(discovery community by dynamic topic model)算法.DC-DTM算法首先将微博网络映射为有向加权网络,网络中边的方向反映节点之间的关注关系,利用所提出的DTM(dynamic topic model)计算出节点之间的语义相似度,并将其作为节点间连边的权重.DTM是一种微博主题模型.该模型不仅能够挖掘博客的主题分布,而且能够计算出某一主题中用户的影响力大小.其次,利用所提出的复杂度较低的标签传播算法WLPA(weighted lebel propagation)进行微博网络的社区发现.该算法的初始化阶段将影响力大的用户节点作为初始节点,标签按照节点的影响力从大到小进行传播,避免了传统标签传播算法逆流现象的发生,提高了标签传播算法的稳定性.真实数据上的实验结果表明,DTM模型能够很好地对微博进行主题挖掘,DC-DTM算法能够有效地挖掘出微博网络的社区.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王兴伟	东北大学软件学院	347	1979	22.0	33.0
2	黄敏	东北大学计算机科学与工程学院	284	1586	18.0	30.0
3	王翠荣	东北大学计算机科学与工程学院	41	470	10.0	20.0
4	王聪	东北大学计算机科学与工程学院	26	286	8.0	16.0
5	刘冰玉	东北大学计算机科学与工程学院	8	48	2.0	6.0
6	王军伟	东北大学计算机科学与工程学院	8	56	4.0	7.0