基于RNN和主题模型的社交网络突发话题发现

• 作者: 杜军平 梁美玉 石磊
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 社交网络 突发话题发现 主题模型 循环神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 学术通信
• 页码范围: 189-198
• 页数: 10页
• 分类号: TP393
• 字数: 9280字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018056

摘要

社交网络数据是稀疏和嘈杂的,并伴有大量的无意义话题.传统突发话题发现方法无法解决社交网络短文本稀疏性问题,并需要复杂的后处理过程.为了解决上述问题,提出一种基于循环神经网络(RNN, recurrent neural network)和主题模型的突发话题发现(RTM-SBTD)方法.首先,综合RNN和逆序文档频率(IDF, inverse document frequency)构建权重先验来学习词的关系,同时通过构建词对解决短文本稀疏性问题.其次,模型中引入针板先验(spike and slab)来解耦突发话题分布的稀疏和平滑.最后,引入词的突发性来区分建模普通话题和突发话题,实现突发话题自动发现.实验结果表明与现有的主流突发话题发现方法相比,所提 RTM-SBTD 方法在多种评价指标上优于对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜军平	北京邮电大学智能通信软件与多媒体北京市重点实验室	44	347	10.0	16.0
2	梁美玉	北京邮电大学智能通信软件与多媒体北京市重点实验室	9	30	3.0	5.0
3	石磊	北京邮电大学智能通信软件与多媒体北京市重点实验室	9	113	5.0	9.0