一种基于RLDA主题模型的特征提取方法
冯新淇
张琨
任奕豪
谢彬
赵静
1.南京理工大学计算机科学与工程学院 南京2100942.南京理工大学计算机科学与工程学院 南京2100943.南京理工大学计算机科学与工程学院 南京2100944.南京理工大学计算机科学与工程学院 南京2100945.南京理工大学计算机科学与工程学院 南京210094
摘要：为了准确挖掘微博用户的兴趣,论文获取并分析用户原创、转发和点赞过的微博内容以及微博热度的排行等数据,准确地得到描述微博用户兴趣的信息,然后基于LDA模型,提出了一种新的主题特征提取模型——RLDA模型.该模型在原有的LDA模型中加入了微博背景中特有的微博热度排行这一信息,从而改进LDA模型的来提高模型挖掘微博用户兴趣的准确率.在RLDA主题模型建模的过程中,引入"超超参数"的概念,通过Dirichlet分布对超参数取值进行采样.实验表明,与LDA模型相比,RLDA模型在微博用户兴趣挖掘的准确度上有了很大的提升.
关键词：兴趣挖掘微博热度排行RLDA模型特征提取超超参数
分类号：TP391.1(计算技术、计算机技术)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1980-1985 )
英文信息