论文研究基于LDA模型的微博话题检测 .pdf

针对传统的话题检测方法在处理大规模微博短文本时出现的降维能力不足和语义信息丢失等问题，提出基于潜在语义分析和结构特性相结合的微博话题检测方法。根据微博的对话属性和传播模型，首先要合并微博讨论树扩展微博

基于LDA模型的微博用户推荐算法研究，周飞，刘建毅，随着最近web3.0的火热兴起，个性化推荐成为社交网络研究一个重要的方面。社交网络的代表微博在国内异常火热，国内外越来越多的研究

基于LDA的舆情话题提取，李德新，邓洋，随着互联网使用率的增长及网站平台的涌现，舆情分析成为当下研究的重点。话题提取可以帮助人们快速获取信息和了解趋势，提出了随

基于LDA模型的新闻话题分类研究，适合数据挖掘，分析。

针对话题先验相关报道稀疏性及在话题发展过程中所产生的漂移问题，结合微博文本特点提出了一种基于双态模型的微博话题跟踪方法。该方法首先提出了双态话题模型的构建方法，将其划分为永久存储区域和临时存储区域，分

以用户兴趣理论和用户之间的关注行为为基础，结合时间因素在微博热门话题检测中的重要作用，研究了如何有效获取微博中最新、最有价值的话题问题，基于PageRank经典算法提出了一种带时间参数的热门话题检测算

首先在分析微博文本特点的基础上设计了一种垃圾微博的过滤算法；针对微博数据稀疏性这一问题，利用社区内部联系紧密的特性，提出了微博评论树的概念和一种话题热度评价模型。最后基于以上两点提出了一种微博社区热门

针对微博话题检测中需要解决的高维数据、噪声信息以及话题的快速演化等主要问题，提出一个有效的微博在线话题检测模型——可区分语言模型（discriminativelanguagemodel，DLM）。该模

基于话题权威性的微博排序，李季冬，礼欣，微博排序问题是近年来有关微博研究的热门领域之一。本文在前人研究的基础上，提出了基于话题的用户权威值计算方法、基于WordNet的��

社交网络尤其是微博中含有大量的短文本。短文本不同于传统的文本，其携带的语义特征信息密度低，很难对其进行准确的主题挖掘。针对这一问题，提出根据微博发布时间与原创、转发、评论微博等社交行为信息分配权重，使

基于增强的LDA模型微博热点话题发现，徐慧，夏楠楠，微博已经成为数亿计的用户发布大量信息，从这些庞大的数据信息中提取热点话题成为挑战之一。基于LDA模型对于微博热点话题的挖掘具

随着微博用户的增多，微博平台的信息更新频繁。针对微博文本的数据稀疏性、新词多、用语不规范等特点，提出了基于SOM聚类的微博话题发现方法。从原始语料中对文本进行预处理，通过词向量模型对短文本进行特征提取

微博话题检测是当前研究的热点，提出一种基于复杂网络重叠社团发现的微博话题检测方法。该方法对一段时间内的微博数据进行预处理，在分词后，根据词性以及词的时域分布抽取出主题词，在相关度高的主题词之间构造边得

微博中短文本、用语不规范和大量噪音等特性使得传统话题发现方法不能很好地从中获取新话题。针对微博以上特性和话题动态性提出一种基于聚类集成的微博话题发现方法，该方法考虑微博发布的非线性时间因子，采用改进的

应用于微博的LDA模型改进，亓晓青，景晓军，针对微博短文本高维稀疏的特点，主题模型被广泛研究用于微博文本聚类。作者主题模型（ATM）作为对热门主题模型LDA的有效拓展也用于