基于微博标签和lda的微博主题提取算法!.pdfVIP

Vol.45 No. 5 计算机与数字工程 总第331 期 954 Computer Digital Engineering 第45 卷 2017 年第5 期 基于微博标签和LDA的微博主题提取算法∗ 邓丹君 姚 莉 （湖北理工学院计算机学院 黄石 435002） 摘 要 论文根据微博文本所具有的特点，将微博文本具有的三种的特殊符号：“@”、“//”和“#”纳入微博主题提取的分 析中。在传统的LDA模型的基础上，建立一种微博标签的LDA模型，该模型考虑到微博的主题、转发的微博、微博的评论等 内容，增强对微博主题的提取的准确性。实验结果表明，论文提出的算法对于新浪微博的主题提取的效果良好。 关键词 微博；主题提取；LDA；微博标签 中图分类号 TP391 DOI：10. 3969/j. issn. 1672-9722. 2017. 05. 034 ATopicExtractionforMicro-blogBasedonMicro-blogTagsand LDA DENGDanjun YAOLi （Department of Computer Science，Hubei Polytechnic University，Huangshi 435002） Abstract According to the characteristics of micro-blog text，this paper takes the micro-blog three kinds of special symbols， “@”，“/ /”and “#”，into consideration for topic extraction analysis of micro-blog text. On the basis of the traditional LDA model，a micro-blog tag LDA model is established，which considers the micro-blog theme ，forwarded micro-blog ，micro-blog comment con⁃ tent，and enhances the accuracy of the extraction of micro blog theme. Experimental results show that the algorithm proposed in this paper has a good effect on the topic extraction of Sina micro-blog. KeyWords micro-blog，topic extraction ，LDA，micro-blog tags ClassNumber TP391 题提取算法进行改进。近些年来，有很多学者使用 1 引言 在传统的LDA 主题模型的基础上进行改进来提取 近年来，微博已成为新时代的社交网络工具之 微博主题，并取得了一定的成果。文献［1］考虑到 一。微博用户可以通过发布不超过140个字符的 微博转发的特征并引入时间因子利用LDA模型进 微博表达自己的兴趣爱好，对某种主题信息进行关 行主题信息提取。文献［2］通过追踪不同时间片内 注，微博的更新速度和传播速度很快。微博内容虽 主题的变化趋势进行主题演化分析从而建立并实 然简短但蕴含着丰富的信息，对微博文本内容进行 现在线LDA模型。文献［3］将文本聚类与LDA模