基于話題模型的教育領(lǐng)域微博賬號(hào)萃取.pdf

1、互聯(lián)網(wǎng)的高速發(fā)展和廣泛普及正深刻影響著社會(huì)的發(fā)展和信息的傳播，越來越多的人習(xí)慣通過微博、論壇、社區(qū)等網(wǎng)絡(luò)載體傳播見聞、事件和政策等各種信息。教育領(lǐng)域也正在新的時(shí)代下飛快地更新迭代，信息平臺(tái)的發(fā)展為人們提供了獲取教育信息的一大捷徑。而在信息充足豐富的同時(shí)，信息冗余的問題也隨之而來。因此，在快節(jié)奏的生活中，希望盡可能快速而全面地捕捉到教育領(lǐng)域中的前沿內(nèi)容。
　　本文的研究對(duì)象主要是在微博平臺(tái)上發(fā)布了與教育相關(guān)內(nèi)容的博主賬號(hào)，希望尋找一

2、種途徑能幫助人們?cè)诒姸嗫晒┻x擇的對(duì)象集中篩選出一個(gè)小的博主集合，通過關(guān)注小集合中這些大V人群的微博信息，提煉出有關(guān)教育的、最新且覆蓋面較廣的信息動(dòng)態(tài)。
　　針對(duì)這個(gè)問題，首先對(duì)已有的研究和方法進(jìn)行了分析，然后聚焦在比較有效的主題模型上。考慮到教育領(lǐng)域和微博文本的特點(diǎn)，確定出初步固定對(duì)象的標(biāo)準(zhǔn)，找到合適的樣本;繼而獲取他們的文本數(shù)據(jù)，并采用中科院的分詞工具進(jìn)行了數(shù)據(jù)轉(zhuǎn)換和預(yù)處理，編寫好詞庫和對(duì)應(yīng)編號(hào)，使之形成形如“博主序號(hào)-詞語編號(hào)

3、-詞頻”的三元組，使數(shù)據(jù)能直接應(yīng)用到模型中分析。
　　在分析和解決問題中，針對(duì)數(shù)據(jù)做了三層遞進(jìn)的實(shí)驗(yàn)。首先抽取小樣本分別進(jìn)行AT模型和人工多重審閱的分析方式，觀察能最大程度呈現(xiàn)出相近結(jié)果的篩選方式，將它確定為本文的篩選機(jī)制——首先采用AT模型對(duì)主題進(jìn)行劃分，其次根據(jù)呈現(xiàn)的關(guān)鍵詞對(duì)主題進(jìn)行歸納并根據(jù)他們的比率排序，優(yōu)先關(guān)注在同一順位上出現(xiàn)次數(shù)最多的博主。最后分別針對(duì)采集到的兩個(gè)規(guī)模下的樣本按照制定以上方式進(jìn)行篩選，找到在限定主題中的