典型文献
基于社交网络分析和LDA主题挖掘的短文本挖掘研究
文献摘要：
随着自媒体技术的不断发展,如何高效挖掘短文本数据信息已成为现阶段的研究重点.传统主题挖掘方法进行短文本数据分析时,仅考虑单位词出现频率进行判断,未考虑语义关联结构信息,分析效果欠佳.针对短文本数据的稀缺性,文中提出一种基于社交网络分析和LDA的主题挖掘分析模型.首先结合共词分析算法,分析不同文档间主题词的关系;然后结合社交网络分析算法,提高共词网络主题词耦合度;再借助隐含空间模型对共词网络进行降维,提高社交网络耦合性;最后结合隐含位置聚类算法发掘潜在社区,提高主题识别效果.实验结果表明,所提方法能够在一定程度上优化主题挖掘算法在识别短文本主题的效果,便于进行短文本研究,具有实用价值,也可为后续应用于前沿主题识别提供参考.
文献关键词：
LDA主题挖掘;共词分析;社交网络分析;短文本挖掘;隐含空间模型;隐含位置聚类;主题识别;吉布斯抽样
中图分类号：
作者姓名：
武帅;施奕;杨秀璋;项美玉
作者机构：
贵州财经大学 信息学院,贵州 贵阳 550025;涟水县高层次人才发展中心,江苏 淮安 223200;贵州财经大学 贵阳大数据金融学院,贵州 贵阳 550025
文献出处：
引用格式：
[1]武帅;施奕;杨秀璋;项美玉-.基于社交网络分析和LDA主题挖掘的短文本挖掘研究)[J].现代电子技术,2022(20):124-128
A类：
短文本挖掘,隐含空间模型,隐含位置聚类,位置聚类,吉布斯抽样
B类：
社交网络分析,LDA,主题挖掘,自媒体,媒体技术,文本数据,传统主题,挖掘方法,语义关联,关联结构,结构信息,稀缺性,挖掘分析,合共,共词分析,文档,主题词,共词网络,耦合度,网络耦合,耦合性,聚类算法,挖掘算法,文本主题,文本研究,前沿主题识别
AB值：
0.21537
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。
