基于MB_LDA模型的微博主题挖掘

《基于MB_LDA模型的微博主题挖掘》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、计算机研究与发展ＩＳＳＮ１０００－１２３９?ＣＮ１１－１７７７?ＴＰＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔ４８（１０）：１７９５－１８０２，２０１１基于ＭＢ－ＬＤＡ模型的微博主题挖掘张晨逸１孙建伶１丁轶群２１（浙江大学计算机科学与技术学院杭州３１００２７）２（浙江大学工业技术研究院杭州３１００２７）（ｚｈａｎｇｃｈｅｎｙｉ．ｚｊｕ＠ｇｍａｉｌ．ｃｏｍ）ＴｏｐｉｃＭｉｎｉｎｇｆｏｒＭｉｃｒｏｂｌｏｇＢａｓｅｄｏｎＭＢ－ＬＤＡＭｏｄｅｌ１，ＳｕｎＪｉａｎｌｉｎｇ１２ＺｈａｎｇＣｈｅｎｙｉａｎｄＤｉｎｇＹｉｑｕｎ１（Ｃｏｌｌｅ

2、ｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２７）２（ＩｎｄｕｓｔｒｉａｌＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２７）ＡｂｓｔｒａｃｔＡｓｍｉｃｒｏｂｌｏｇｇｒｏｗｓｍｏｒｅｐｏｐｕｌａｒ，ｓｅｒｖｉｃｅｓｌｉｋｅＴｗｉｔｔｅｒｈａｖｅｂｅｃｏｍｅｉｎｆｏｒｍａｔｉｏｎｐｒｏｖｉｄｅｒｓｏｎａｗｅｂｓｃａｌｅ．Ｅａｒｌｙｗｏｒｋｏｎｍｉｃｒｏｂｌｏｇｆｏｃｕｓｅｄｍｏｒｅｏｎｉｔｓｕｓｅｒｒｅｌａ

3、ｔｉｏｎｓｈｉｐａｎｄｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅ，ｗｉｔｈｏｕｔｃｏｎｓｉｄｅｒｉｎｇｔｈｅｖａｌｕｅｏｆｃｏｎｔｅｎｔ．Ｓｏｔｈｅｒｅｓｅａｒｃｈｏｎｍｉｃｒｏｂｌｏｇｒｅｑｕｉｒｅｓａｃｈａｎｇｅｆｒｏｍｓｏｌｅｌｙｕｓｅｒｓｒｅｌａｔｉｏｎｓｈｉｐａｎａｌｙｓｉｓｔｏｉｔｓｃｏｎｔｅｎｔｍｉｎｉｎｇ．Ａｌｔｈｏｕｇｈｔｒａｄｉｔｉｏｎａｌｔｅｘｔｍｉｎｉｎｇｍｅｔｈｏｄｓｈａｖｅｂｅｅｎｓｔｕｄｉｅｄｗｅｌｌ，ｎｏａｌｇｏｒｉｔｈｍｉｓｄｅｓｉｇｎｅｄｓｐｅｃｉａｌｌｙｆｏｒｍｉｃｒｏｂｌｏｇｄａｔａ，ｗｈｉｃｈｃｏｎｔａｉｎｓｔｒｕｃｔｕｒ

4、ｅｄｉｎｆｏｒｍａｔｉｏｎｏｎｓｏｃｉａｌｎｅｔｗｏｒｋｂｅｓｉｄｅｓｐｌａｉｎｔｅｘｔ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅａｎｏｖｅｌｐｒｏｂａｂｉｌｉｓｔｉｃｇｅｎｅｒａｔｉｖｅｍｏｄｅｌｂａｓｅｄｏｎＬＤＡ，ｃａｌｌｅｄＭＢ－ＬＤＡ，ｗｈｉｃｈｉｓｓｕｉｔａｂｌｅｔｏｍｏｄｅｌｔｈｅｍｉｃｒｏｂｌｏｇｄａｔａａｎｄｔａｋｅｓｂｏｔｈｃｏｎｔａｃｔｒｅｌａｔｉｏｎａｎｄｄｏｃｕｍｅｎｔｒｅｌａｔｉｏｎｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎｔｏｈｅｌｐｔｏｐｉｃｍｉｎｉｎｇｉｎｍｉｃｒｏｂｌｏｇ．ＷｅｐｒｅｓｅｎｔａＧｉｂｂｓｓａｍｐｌｉｎｇｉｍｐｌｅｍ

5、ｅｎｔａｔｉｏｎｆｏｒｉｎｆｅｒｅｎｃｅｏｆｏｕｒｍｏｄｅｌ，ａｎｄｆｉｎｄｎｏｔｏｎｌｙｔｈｅｔｏｐｉｃｓｏｆｍｉｃｒｏｂｌｏｇ，ｂｕｔａｌｓｏｔｈｅｔｏｐｉｃｓｆｏｃｕｓｅｄｂｙｃｏｎｔａｃｔｏｒｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｆｉｎａｌｒｅｓｕｌｔｓ．Ｂｅｓｉｄｅｓ，ｏｕｒｍｏｄｅｌｃａｎｂｅｅｘｔｅｎｄｅｄｔｏｍａｎｙｔｅｘｔｓａｓｓｏｃｉａｔｅｄｗｉｔｈｓｏｃｉａｌｎｅｔｗｏｒｋｉｎｇｓｕｃｈａｓＥ－ｍａｉｌｓａｎｄｆｏｒｕｍｐｏｓｔｓ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎａｃｔｕａｌｄａｔａｓｅｔｓｈｏｗｔｈａｔＭＢ－ＬＤＡｍｏｄｅｌｃａｎｏｆ

6、ｆｅｒａｎｅｆｆｅｃｔｉｖｅｓｏｌｕｔｉｏｎｔｏｔｏｐｉｃｍｉｎｉｎｇｆｏｒｍｉｃｒｏｂｌｏｇ．Ｋｅｙｗｏｒｄｓｍｉｃｒｏｂｌｏｇ；ｔｏｐｉｃｍｉｎｉｎｇ；ＬＤＡ；ｐｒｏｂａｂｉｌｉｓｔｉｃｇｅｎｅｒａｔｉｖｅｍｏｄｅｌ；ｓｏｃｉａｌｎｅｔｗｏｒｋ摘要随着微博的日趋流行，Ｔｗｉｔｔｅｒ等微博网站已成为海量信息的发布体，对微博的研究也需要从单一的用户关系分析向微博本身内容的挖掘进行转变．在数据挖掘领域，尽管传统文本的主题挖掘已经得到了广泛的研究，但对于微博这种特殊的文本，因其本身带有一些结构化的社会网络方面的信息，传统的文本挖掘算法不能很好地对它进行建模．提出了

7、一个基于ＬＤＡ的微博生成模型ＭＢ－ＬＤＡ，综合考虑了微博的联系人关联关系和文本关联关系，来辅助进行微博的主题挖掘．采用吉布斯抽样法对模型进行推导，不仅能挖掘出微博的主题，还能挖掘出联系人关注的主题．此外，模型还能推广到许多带有社交网络性质的文本中．在真实数据集上的实验表明，ＭＢ－ＬＤＡ模型能有效地对微博进行主题挖掘．关键词微博；主题挖掘；ＬＤＡ；概率生成模型；社交网络中图法分类号ＴＰ１８１收稿日期：２０１１－０６－２３；修回日期：２０１１－０８－２３基金项目：“核高基”国家科技重大专项基金项目（２０１０ＺＸ０１０４２－００２－００３）１７９６计算机研究与发展２

8、０１１，４８（１０）微博作为Ｗｅｂ２．