基于mixtureLDA的新浪微博主題挖掘與應(yīng)用.pdf

1、自Twitter和Facebook等社交網(wǎng)站誕生以后，社交網(wǎng)站成為人們?nèi)粘Ｉ钪斜夭豢缮俚囊豁?xiàng)社交活動(dòng)。用戶通過(guò) PC和無(wú)線兩種主要方式登陸微博客戶端，發(fā)布自己對(duì)周邊發(fā)生的事件的即時(shí)感受和分享一些活動(dòng)信息。目前微博內(nèi)容限制字?jǐn)?shù)不超過(guò)140字，但也支持長(zhǎng)微博和圖文混排的形式發(fā)布微博內(nèi)容。圖文混排的非結(jié)構(gòu)化信息和用戶結(jié)構(gòu)化基礎(chǔ)屬性信息構(gòu)成了微博數(shù)據(jù)的半結(jié)構(gòu)化特征。而如何處理這種半結(jié)構(gòu)化數(shù)據(jù)獲取有效信息一直是數(shù)據(jù)挖掘領(lǐng)域關(guān)注的熱點(diǎn)話題。

2、>　　微博主題是對(duì)微博內(nèi)容的概括，這種概括某種程度上能夠反映出用戶發(fā)布的微博內(nèi)容的核心思想。因此挖掘微博主題對(duì)分析用戶興趣有很重要的研究意義，主題挖掘的結(jié)果能夠?yàn)榛谥黝}的個(gè)性化推薦應(yīng)用提供數(shù)據(jù)支撐。本文在真實(shí)的微博數(shù)據(jù)集上分析出新浪微博內(nèi)容特征和新浪微博用戶的特征后，構(gòu)建 mixtureLDA主題模型來(lái)分析新浪微博用戶微博內(nèi)容主題。通過(guò) mixtureLDA模型分析出用戶各微博類別下的主題概率分布，從而得到用戶關(guān)注的重要話題。

3、　　另外，我們以困惑度作為模型評(píng)判標(biāo)準(zhǔn)，將mixtureLDA模型與MB-LDA和userLDA模型進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證模型的推廣性和效率。實(shí)驗(yàn)結(jié)果表明，mixtureLDA模型比其他模型的困惑度值更低，迭代次數(shù)更少，說(shuō)明mixtureLDA比其他模型更優(yōu)。本文還在mixtureLDA模型的基礎(chǔ)上，將主題模型結(jié)果作為微博用戶的主題屬性應(yīng)用于個(gè)性化推薦中。
　　本文主要貢獻(xiàn)如下：
　　1）針對(duì)新浪微博的微博內(nèi)容特征，提出一種能夠