一种面向微博主题挖掘的改进LDA模型.pdf

第6期 华东师范大学学报(自然科学版) No．6 2013年11月 Normal NOV．2013 JournalofEastChina Science) University(Natural 文章编号：1000—5641(2013)06—0093—09 一种面向微博主题挖掘的改进LDA模型 谢 昊， 江 红 (华东师范大学计算中心，上海200062) 摘要：随着新浪微博用户的不断增长，微博网站成为很多人获取信息的平台．但是微博是一种 特殊的文本，其字数受到严格限制，传统的主题模型并不能很好地分析微博的内容．本文提出了 一个基于LDA的微博生成模型RT—LDA来解决微博字数受限的问题．模型采用吉布斯抽样法 来推导，不仅能准确地挖掘每条微博的主题，还能归纳出用户关注的主题分布情况．在真实数据 集上的实验表明，RT-LDA模型能很好地对微博进行主题挖掘． RT—LDA； 关键词：新浪微博； 文本挖掘； 吉布斯抽样 中图分类号：TP39文献标识码：A LDAmodelfor Improved microblogtopicmining XIE Hao，JIANG Hong ChinaNormal Center，East 200062，China) (Computer University，Shanghai WiththedramaticincreaseofSina Abstract： websiteshavebeenthe microblogusers，microblog forawide ofusers tO information．DuetOthefactthat isa platforms spectrum get microblog kindoftextwiththerestricted modelscouldnotbeusedtOana— special length，traditionaltopic the content lyze well．RT—LDA，a modelbasedonLDAis microblogvery microbloggeneration inthis ischosentOdeducethemodel，whichcannot mine proposedpaper．Gibbssampling only the ofeach butalsoinducethedistributionoftheconcerned