社会网络中基于U_BTM模型的主题挖掘

发布时间：2018-05-25 22:47

  本文选题：社会网络 + 主题模型　； 参考：《计算机应用研究》2017年01期

【摘要】：现有的主题模型在挖掘社会网络中的主题时往往会受到社会网络中短文本的特征稀疏问题的影响,从而导致所挖掘的主题质量低、主题差异小。为此,基于词对主题模型BTM提出一种用户—词对主题模型U_BTM,采用K-means聚类算法将主题相近的短文本聚类成一个文档,根据文档中用户的主题对词对的产生模式进行建模,采用Gibbs Sampling方法对模型的参数进行推导,最终得到社会网络中潜在的主题和用户的主题分布。实验结果表明,U_BTM模型能得到潜在的主题和每个用户的主题分布,且相比其他模型所挖掘的主题差异大,具有更高的质量和更低的困惑度。
[Abstract]:This paper puts forward a user - word - to - topic model U _ BTM based on the word - to - topic model BTM , and derives the potential theme and user ' s theme distribution in the social network . The experimental results show that the U _ BTM model can get the potential theme and the user ' s theme distribution . The experimental results show that the U _ BTM model can get the potential theme and the user ' s theme distribution . The experimental results show that the U _ BTM model has higher quality and lower degree of confusion than that of other models .
【作者单位】： 江苏大学计算机科学与通信工程学院;
【基金】：国家自然科学基金项目(71271117) 江苏省科技支撑计划项目(BE2011156)
【分类号】：TP391.1
，

本文编号：1934939