基于HDP模型的领域微博主题演化研究

高永兵,杨利莹,胡文江,马占飞

(1.内蒙古科技大学 信息工程学院,内蒙古 包头 014010; 2.包头师范学院 信息工程系,内蒙古 包头 014010)

0 概述

近年来,微博已经成为最具即时性的信息共享公共平台,不仅可以在第一时间分享社会热点、交流看法和观点,也能及时传播专业领域的发展信息。以2016年旅游业为例,相关博文数近12.5亿,旅游业用户达9 623万,这些微博反映出该领域的重要信息,具有较高的参考价值,以时间为轴线对领域的发展情况进行追踪具有重要意义。主题提取可以高度概括重要信息,提高阅读效率,目前,国内外学者都针对主题演化开展了相关研究。现存的主题演化研究方法可以归纳为3类:基于社会网络的方法,基于本体的方法和基于主题模型的方法。基于社会网络的方法[1-2]将主题表示为网络节点,主题间的演化关系用节点间的有向边表示,边的权重代表演化强度,演化强度与主题词和引文有关,但是这种基于链接的方法对于新出现的主题敏感度不高,此外由已经出现的主题可能会链接到下一个无关主题从而造成主题漂移;基于本体的方法[3-4]关注主题的语义信息和增量构建过程,借鉴词共现思想,结合本体构建主题与主题间的关系网络,然而该方法对训练集的依赖性很大,不适用于动态主题演化过程。基于主题模型的方法能够自动挖掘潜在的语义信息,且模型的灵活度高,能够根据不同的应用场景做出相应的调整,具有较强的适用性。……