基于犕犅犎犇犘模型的微博主题挖掘.PDF

第 卷 第 期 计 算 机 学 报 ３８ ７ 　 　　 　　 　　 　　 Ｖｏｌ．３８ Ｎｏ．７ 年 月 ２０１５ ７ Ｊｕｌ２０１５ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ ｙ 　 基于犕犅犎犇犘模型的微博主题挖掘 刘少鹏 印 鉴 欧阳佳 黄 云 杨晓颖 　 　 　 　 （中山大学信息科学与技术学院计算机科学系 广州 ５１０００６） 　 　 摘 要 主题模型是挖掘微博潜在主题的重要工具 然而，现有的主题模型多由 （ ） ． ＬａｔｅｎｔＤｉｒｉｃｈｌｅｔＡｌｌｏｃａｔｉｏｎＬＤＡ 　 　 派生，它需要用户预先指定主题数目 为了自动挖掘微博主题，作者提出了一个基于分层 过程（ ． Ｄｉｒｉｃｈｌｅｔ Ｈｉｅｒａｒｃｈｉｃａｌ ， ）的非参数贝叶斯模型 首先，针对微博应用场景，假设消息是不可交换的；接着，利 ＤｉｒｉｃｈｌｅｔＰｒｏｃｅｓｓＨＤＰ ＭＢＨＤＰ． 用微博的时间信息、用户兴趣以及话题标签，聚合主题相关的消息以解决微博短文本的数据稀疏问题；然后，扩展 （ ）对微博数据进行主题建模；最后，设计一个相应的 ＣｈｉｎｅｓｅＲｅｓｔａｕｒａｎｔＦｒａｎｃｈｉｓｅ ＣＲＦ ＭａｒｋｏｖＣｈａｉｎＭｏｎｔｅＣａｒｌｏ （ ）采样方法，推导 模型的分布参数 实验表明，在生成主题质量、内容困惑度和模型复杂度等指标 ＭＣＭＣ ＭＢＨＤＰ ． 上， 模型明显优于 和 两种模型 ＭＢＨＤＰ ＬＤＡ ＨＤＰ ． 关键词 主题挖掘；微博；分层 过程； Ｄｉｒｉｃｈｌｅｔ ＭＢＨＤＰ 　 中图法分类号 号 ／ ＴＰ３９１ 犇犗犐 １０．１１８９７ＳＰ．Ｊ．１０１６．２０１５．０１４０８ 　　　 犜狅犻犮犕犻狀犻狀 犳狉狅犿犕犻犮狉狅犫犾狅狊犅犪狊犲犱狅狀犕犅犎犇犘犕狅犱犲犾 狆 犵 犵 ＬＩＵＳｈａｏＰｅｎ ＹＩＮＪｉａｎ ＯＵＹＡＮＧＪｉａ ＨＵＡＮＧＹｕｎ ＹＡＮＧＸｉａｏＹｉｎ ｇ　 　 　 　 ｇ （ ， ， ， ） 犇犲犪狉狋犿犲狀狋狅 犆狅犿 狌狋犲狉犛犮犻犲狀犮犲 犛犮犺狅狅犾狅 犐狀狅狉犿犪狋犻狅狀犛犮