ACT-LDA:集成话题、社区和影响力分析的概率模型

TP311; 随着社交网络的发展,社交网络中的用户形成大规模的用户关系图,用户在社交网络中发表内容,这些内容及其链接关系形成大规模的文档图.如何根据用户关系图、文档图,挖掘出用户所形成的社区、社区用户的影响力以及各个社区的话题,是重要的问题,而目前这些工作相对独立.考虑了用户发表内容、用户之间的关系信息,利用话题传播、社区形成和用户影响力之间的关联性,提出了一个基于LDA (latent Dirichlet allocation)的集成话题发现、社区发现和用户影响力分析的统一模型ACT-LDA(author-community-topic LDA).模型采用变分推理的方法解决推理问题.在DBL...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 7; no. 8; pp. 718 - 728
Main Authors 吴良, 黄威靖, 陈薇, 王腾蛟, 雷凯, 刘月琴
Format Journal Article
LanguageChinese
Published 高可信软件技术教育部重点实验室,北京100871 2013
北京大学信息科学技术学院,北京100871
北京大学深圳研究生院深圳市云计算关键技术与应用重点实验室,广东深圳518055%北京大学深圳研究生院深圳市云计算关键技术与应用重点实验室,广东深圳,518055%国际关系学院信息科技系,北京,100091
北京大学信息科学技术学院,北京100871%高可信软件技术教育部重点实验室,北京100871
Subjects
social network
社交网络
用户影响力
community discovery
topic modeling
社区发现
话题模型
user influence
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.1305046

Cover

More Information
Summary:TP311; 随着社交网络的发展,社交网络中的用户形成大规模的用户关系图,用户在社交网络中发表内容,这些内容及其链接关系形成大规模的文档图.如何根据用户关系图、文档图,挖掘出用户所形成的社区、社区用户的影响力以及各个社区的话题,是重要的问题,而目前这些工作相对独立.考虑了用户发表内容、用户之间的关系信息,利用话题传播、社区形成和用户影响力之间的关联性,提出了一个基于LDA (latent Dirichlet allocation)的集成话题发现、社区发现和用户影响力分析的统一模型ACT-LDA(author-community-topic LDA).模型采用变分推理的方法解决推理问题.在DBLP数据上进行了实验,取得了非常好的结果,证明了模型的有效性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1305046