典型文献
基于异构图神经网络的社交媒体文本主题聚类
文献摘要：
[目的]针对社交媒体文本数据存在的语义稀疏及多元主体交互问题,探索有效的主题聚类方法.[方法]利用异构信息网络对社交媒体的用户和信息多元交互关系进行建模,使用词嵌入方法学习文本的向量表示作为初始输入特征,基于异构图神经网络实现信息的传播及融合,学习文本表示向量并利用无监督聚类算法进行主题聚类.[结果]在基准社交媒体数据集上,帖子和评论的聚类指标(NMI)分别达到0.837 2和0.868 9,优于传统的LDA主题模型或基于Word2Vec、Doc2Vec、GolVe等词或文本嵌入向量直接聚类的方法.[局限]由于数据的限制,模型并未对用户间社交关系及信息的多媒体内容进行建模.[结论]本文方法通过对社交媒体多元交互关系进行建模,能有效提高文本主题聚类的效果.
文献关键词：
社交媒体;主题聚类;多元交互;异构信息网络;图神经网络
中图分类号：
作者姓名：
冯小东;惠康欣
作者机构：
电子科技大学公共管理学院 成都611731
文献出处：
引用格式：
[1]冯小东;惠康欣-.基于异构图神经网络的社交媒体文本主题聚类)[J].数据分析与知识发现,2022(10):9-19
A类：
GolVe
B类：
异构图,图神经网络,文本主题聚类,文本数据,语义稀疏,互问,聚类方法,异构信息网络,多元交互,交互关系,用词,词嵌入,方法学,学习文本,向量表示,输入特征,文本表示,无监督聚类,聚类算法,社交媒体数据,帖子,类指,NMI,LDA,主题模型,Word2Vec,Doc2Vec,嵌入向量,社交关系,多媒体,媒体内容
AB值：
0.358446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
