基于社交媒體的熱點(diǎn)主題挖掘及主題演化分析.pdf

1、互聯(lián)網(wǎng)與web2.0技術(shù)的飛速發(fā)展促使社交媒體（如微博，論壇等）逐漸成為人們進(jìn)行信息交互的重要平臺(tái)，并且已有逐漸取代傳統(tǒng)媒體的趨勢(shì)。另外，隨著移動(dòng)社交媒體平臺(tái)的開發(fā)和廣泛應(yīng)用，人們?cè)絹碓絻A向于在社交媒體平臺(tái)上創(chuàng)建及分享各類信息。據(jù)統(tǒng)計(jì)，社交網(wǎng)絡(luò)上每日產(chǎn)生的數(shù)據(jù)量已達(dá)到TB級(jí)，其中不乏大量有價(jià)值的內(nèi)容。通過挖掘和分析這些信息可以很好地了解公眾的需求和關(guān)注熱點(diǎn)，進(jìn)行輿情監(jiān)測(cè)，同時(shí)對(duì)公眾輿論進(jìn)行正確引導(dǎo)也具有重要的意義。80％以上的社交媒體信

2、息都為文本數(shù)據(jù)類型，因此文本挖掘成為近年來針對(duì)社交媒體內(nèi)容挖掘的研究熱點(diǎn)，而主題模型已經(jīng)被證明是文本挖掘的一種非常有效的方式。主題分析的宗旨主要是借助于適當(dāng)?shù)闹黝}模型來挖掘出“文檔-主題”，以及“主題-詞匯”的關(guān)系。合適的主題模型不僅可以成功挖掘出有意義的主題信息，而且還可以進(jìn)一步應(yīng)用于文檔分類、熱點(diǎn)主題挖掘以及信息組織等領(lǐng)域。傳統(tǒng)的主題模型如PLSA（概率潛在語義分析）、LDA（潛在狄利克雷分布）雖然在常規(guī)類型的文本挖掘方面已經(jīng)取得了

3、一定的成功，但是對(duì)于社交媒體文本這種具有長度短、文本稀疏、用語不規(guī)范等特征的特殊文本類型而言已經(jīng)變得不再適用。這就給面向社交媒體的文本挖掘帶來了一定的困難和挑戰(zhàn)。
　　本研究主要內(nèi)容包括：⑴以微博為分析案例，并利用微博消息中的一些屬性信息（如標(biāo)簽，時(shí)間等屬性信息）來改進(jìn)和擴(kuò)展 LDA模型，并重點(diǎn)進(jìn)行了針對(duì)社交媒體主題建模的兩個(gè)應(yīng)用研究：基于社交媒體的熱點(diǎn)主題挖掘；基于社交媒體的主題演化分析。⑵提出了一個(gè)新的主題模型MA-LDA(M