基于動(dòng)態(tài)Labeled-LDA模型的微博主題挖掘.pdf

1、隨著微博用戶的不斷增加，微博的影響力也在不斷地?cái)U(kuò)張。微博類動(dòng)態(tài)短文本由于其特有的文本特征，微博主題受時(shí)間因素的影響很大。Labeled-LDA模型是傳統(tǒng)的LDA模型的一種變形，它是在LDA原有的基礎(chǔ)上附加了一層類別標(biāo)簽。使傳統(tǒng)的LDA多了一個(gè)直接的分配模型類別的優(yōu)勢(shì)，同時(shí)很好的優(yōu)化了傳統(tǒng)LDA模型在處理文本分類時(shí)會(huì)出現(xiàn)的在不屬于自己的類別上進(jìn)行生成時(shí)可能會(huì)導(dǎo)致隱主題的強(qiáng)制分配的問(wèn)題。
　　本文的研究目的:由于微博類短文本式網(wǎng)絡(luò)信息

2、的及時(shí)性、動(dòng)態(tài)性和主題復(fù)雜性及多樣性，首先對(duì)已選取好的微博文本在做了預(yù)處理后，進(jìn)行文本特征選擇。動(dòng)態(tài)化改進(jìn)后的VSM特征選擇方法明顯優(yōu)于傳統(tǒng)的TF-IDF算法。其次，本文構(gòu)建了動(dòng)態(tài)的Labeled-LDA模型，將標(biāo)簽與動(dòng)態(tài)相結(jié)合。方法包括三部分:第一，用Labeled-LDA主題模型進(jìn)行建模和特征選擇，確定主題數(shù)和隱主題-文本矩陣;第二，對(duì)微博文本劃分時(shí)間文本集;第三，對(duì)Labeled-LDA模型進(jìn)行動(dòng)態(tài)化的改進(jìn)，最終給出了針對(duì)微博文體