基于有指导LDA用户兴趣模型的微博主题挖掘
Micro-blogging topic mining based on supervised LDA user interest model作者机构:昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学智能信息处理重点实验室云南昆明650500
出 版 物:《山东大学学报(理学版)》 (Journal of Shandong University(Natural Science))
年 卷 期:2015年第50卷第9期
页 面:36-41页
核心收录:
学科分类:08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:用户发布的微博内容能够体现用户兴趣,微博中用户的转发、评论、回复、他人评论等微博行为对用户兴趣具有很强的指导作用。为了有效利用用户微博行为,提出了一种基于有指导LDA(latent dirichlet allocation)的微博内容用户兴趣建模方法。首先通过分析对微博的转发、评论、回复、他人评论这4个因素对用户微博兴趣主题的影响,定义了4种约束关系;然后基于用户微博内容,将4种约束关系融合到LDA模型中构建有指导的LDA微博主题生成模型,最后得到用户的微博主题分布,从而获得用户兴趣模型。实验结果表明,相比LDA模型,该方法的准确率有很大提高,引入4种信息对微博用户兴趣发现有非常重要的指导作用。