基于知识图谱和LDA模型的社会媒体数据抽取

• 作者: 岳昆 张子辰 王笑一 郭建斌 麻友
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 社会媒体数据 数据抽取 隐含狄利克雷分配 知识图谱
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 新型互联网应用技术
• 页码范围: 183-194
• 页数: 12页
• 分类号: TP311
• 字数: 6655字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2018.05.016

摘要

社会媒体数据的抽取,是社会舆论集散、新闻信息传播、企业品牌推广、商业营销拓展等研究和应用的基础,准确的抽取结果是数据分析有效性的重要保证.本文针对社会媒体数据的非结构、多主题特征,基于LDA(Latent Dirichlet Allocation)模型挖掘数据中的隐含主题,利用数据特征词序列和知识图谱描述的实体及实体间的关联关系,实现对特定领域数据的抽取.建立在“今日头条”新闻数据和新浪微博数据之上的实验结果表明,本文提出的方法能有效地实现社会媒体数据的抽取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳昆	云南大学信息学院	77	317	10.0	13.0
2	郭建斌	云南大学民族学与社会学学院	29	36	4.0	6.0
3	麻友	云南大学信息学院	1	2	1.0	1.0
4	张子辰	云南大学信息学院	1	2	1.0	1.0
5	王笑一	云南大学民族学与社会学学院	3	2	1.0	1.0