期刊文献+

基于提及关系的微博用户知识发现初探 被引量:5

The Initial Exploration on Microblogger Knowledge Discovery with User Mention Relations
下载PDF
导出
摘要 发现具有重要影响力的微博用户及其主题信息对于甄别高质量信息来源,充分发挥微博的媒体沟通作用,提高公民信息素养具有重要的意义。文章提出了基于提及关系的微博用户知识发现模型,分析了被提及用户与微博文本之间的联系,并利用LDA主题模型对微博用户进行聚类分析和主题词抽取,实验证明基于提及关系的主题聚类可以发现高影响力微博用户及其主题词。 Finding high influence microblogger could help to identify high quality information source, develop the ability to communication of public, and therefore increase information literacy. This article proposes a microblogger knowledge model from user mention relations and analysis the relation of mentioned microblogger and microblogging contexts based on LDA model. Experiment shows the cluster model can find theme related high influence microblogger and feature words.
作者 吴恺 王莹
出处 《图书与情报》 CSSCI 北大核心 2015年第2期123-127,共5页 Library & Information
基金 国家社会科学基金重大项目"面向突发事件应急决策的快速响应情报体系研究"(编号:13&ZD174)研究成果之一
关键词 微博用户 提及关系 LDA模型 microblogger mention relation feature words LDA model
  • 相关文献

参考文献11

二级参考文献169

  • 1托马斯·H·达文波特 王者等(译).营运知识:工商企业的知识管理[M].南昌:江西教育出版社,1999..
  • 2Kang J H, Lerman K, Plangprasopchok A. Analyzing Microblogs with affinity propagation [C] //Proc of the 1st KDD Workshop on Social Media Analytic. New York: ACM, 2010:67-70.
  • 3Ramage D, Dumais S, Liebling D. Characterizing microblogs with topic models [C] //Proc of Int AAAI Conf on Weblogs and Social Media. Menlo Park, CA: AAAI, 2010:130-137.
  • 4Xu R, Wunsch D. Survey of clustering algorithms [J]. IEEE Trans on Neural Networks, 2005, 16(3): 645-678.
  • 5Deerwester S, Dumais S, Landauer T, et al. Indexing by latent semantic analysis [J]. Journal of the American Society of Information Science, 1990, 41(6): 391-407.
  • 6Landauer T K, Foltz P W, Laham D. Introduction to Latent Semantic Analysis [J]. Discourse Processes, 1998, 25 (2) 259-284.
  • 7Griffiths T, Steyvers M. Probabilistic topic models [G] // Latent Semantic Analysis: A Road to Meaning. Hillsdale, NJ: Laurence Erlbaum, 2006.
  • 8Hofmann T. Probabilistic latent semantic indexing [C] // Proc of the 22nd Annual Int ACM SIGIR Conf on Research and Development in Information Retrieval. New York: ACM, 1999:50-57.
  • 9Salton G, McGill M. Introduction to Modern Information Retrieval [M]. New York: McGraw-Hill, 1983.
  • 10Blei D M, Ng A Y, Jordan M I. Latent Dirichlet Allocation [J]. The Journal of Machine Learning Research, 2003, 3: 993-1022.

共引文献355

同被引文献67

引证文献5

二级引证文献20

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部