基于HDP模型的專業(yè)微博主題演化研究.pdf

1、微博已成為人們生活中不可或缺的信息交流平臺(tái)，用戶不僅可以了解熱點(diǎn)事件還能以評(píng)論或轉(zhuǎn)發(fā)的互動(dòng)形式參與其中，不僅是信息的傳遞者還是消息的創(chuàng)造者，用戶不僅可以在第一時(shí)間分享社會(huì)熱點(diǎn)，交流看法和觀點(diǎn)，也能及時(shí)傳播專業(yè)領(lǐng)域的發(fā)展信息。隨著微博內(nèi)容的日益豐富，每天都有數(shù)以億計(jì)的新微博產(chǎn)生，這些海量的微博一方面包含了很多的有用信息，另一方面也會(huì)給用戶的針對(duì)性瀏覽帶來(lái)極大的困擾。若用戶想了解近年來(lái)通信領(lǐng)域的重要事件和信息，顯然逐條瀏覽是不現(xiàn)實(shí)的，需要一

2、種方法來(lái)對(duì)專業(yè)領(lǐng)域的重點(diǎn)信息進(jìn)行挖掘和提取。專業(yè)領(lǐng)域微博是近幾年新興的研究點(diǎn)，領(lǐng)域微博中包含較多的專業(yè)領(lǐng)域信息，并且隨時(shí)間表現(xiàn)出較強(qiáng)的演化性，以時(shí)間為軸線對(duì)領(lǐng)域的發(fā)展情況進(jìn)行追蹤具有重要意義。
　　為分析專業(yè)領(lǐng)域的主題演化情況，提出了一個(gè)基于分層Dirichlet過(guò)程的DM-HDP(Domainal Microblog-Hierarchical Dirichlet Process)模型。首先，定義了基于用戶標(biāo)簽的領(lǐng)域相似度的計(jì)算方

3、法，以用戶為單位提取領(lǐng)域相關(guān)的微博數(shù)據(jù)；然后，為了排除領(lǐng)域無(wú)關(guān)微博對(duì)領(lǐng)域主題的不利影響，利用微博的領(lǐng)域特征和時(shí)間特征，精確提取領(lǐng)域相關(guān)的帶有明顯時(shí)間特征的微博并且自動(dòng)挖掘其主題分布，建立DM-HDP模型并用Gibbs采樣方法推導(dǎo)出該模型，并確定其參數(shù)值；最后，根據(jù)子主題的KL距離篩選那些既重要又新穎的主題詞，從而構(gòu)建領(lǐng)域主題演化分析過(guò)程。
　　實(shí)驗(yàn)結(jié)果顯示，基于DM-HDP模型的方法能夠表現(xiàn)領(lǐng)域微博主題的演化過(guò)程，設(shè)計(jì)基于LDA模