異構(gòu)信息網(wǎng)絡(luò)上的主題建模研究.pdf

1、隨著Web應(yīng)用的蓬勃發(fā)展，現(xiàn)實(shí)世界中存在大量的對(duì)象，它們相互之間存在各種各樣的交互關(guān)系，形成一個(gè)龐大的、相互聯(lián)系的復(fù)雜網(wǎng)絡(luò)，我們稱這個(gè)網(wǎng)絡(luò)為信息網(wǎng)絡(luò)?，F(xiàn)實(shí)中，信息網(wǎng)絡(luò)無處不在，并且成為現(xiàn)代信息基礎(chǔ)設(shè)施的一個(gè)重要部分。為了更好地理解信息網(wǎng)絡(luò)及其特性，信息網(wǎng)絡(luò)分析技術(shù)已經(jīng)引起了人們的關(guān)注，而且廣泛地應(yīng)用于數(shù)據(jù)挖掘、數(shù)據(jù)分析等領(lǐng)域。
　　當(dāng)信息網(wǎng)絡(luò)中的對(duì)象和鏈接都是單類型時(shí)，稱為同構(gòu)信息網(wǎng)絡(luò)。比如DBLP作者合作網(wǎng)絡(luò)中對(duì)象僅代表作者，鏈

2、接僅代表作者之間的合作關(guān)系。當(dāng)信息網(wǎng)絡(luò)中的對(duì)象或鏈接是多種類型時(shí)，稱為異構(gòu)信息網(wǎng)絡(luò)。比如在DBLP文獻(xiàn)網(wǎng)絡(luò)中有三種類型的對(duì)象，即論文、作者和會(huì)議，兩種類型的鏈接，即論文和作者之間“寫”與“被寫”的關(guān)系，論文和會(huì)議之間“發(fā)表”與“被發(fā)表”的關(guān)系。到目前為止，在同構(gòu)信息網(wǎng)絡(luò)分析的研究中已經(jīng)有了很多有影響的算法和應(yīng)用，如PageRank算法，HITS算法，社區(qū)發(fā)現(xiàn)等。但是，現(xiàn)實(shí)世界中的網(wǎng)絡(luò)大都是異構(gòu)信息網(wǎng)絡(luò)，其中不同類型對(duì)象間的復(fù)雜聯(lián)系揭示了

3、更重要的結(jié)構(gòu)語義信息，所以異構(gòu)信息網(wǎng)絡(luò)研究成為數(shù)據(jù)挖掘中一個(gè)新的研究熱點(diǎn)。
　　主題建模是文檔分析的一種重要的方法，它能夠發(fā)現(xiàn)隱藏在文檔集中的潛在主題，并且廣泛地應(yīng)用于機(jī)器學(xué)習(xí)和自然語言處理等領(lǐng)域。近些年來，文本文檔，如網(wǎng)頁、論文、博客等，越來越豐富，而且相互之間或與其他對(duì)象之間（如用戶）通過各種各樣的方式進(jìn)行聯(lián)系，形成各種各樣的異構(gòu)信息網(wǎng)絡(luò)。在異構(gòu)信息網(wǎng)絡(luò)中，對(duì)象間的鏈接關(guān)系隱含著大量的網(wǎng)絡(luò)結(jié)構(gòu)語義，對(duì)象本身也含有豐富的文本內(nèi)容

4、。所以研究異構(gòu)信息網(wǎng)絡(luò)上的主題建模技術(shù)是很有必要的。目前大多數(shù)的研究只關(guān)注同構(gòu)信息網(wǎng)絡(luò)上的主題建模，對(duì)異構(gòu)信息網(wǎng)絡(luò)上的主題建模研究尚不多見。
　　本文針對(duì)異構(gòu)信息網(wǎng)絡(luò)上的主題建模問題展開研究，首先提出了一種使用潛在語義分析基于主題傳播的主題模型LSA-PTM，將文本內(nèi)容和網(wǎng)絡(luò)結(jié)構(gòu)結(jié)合在一起進(jìn)行主題建模，在LSA-PTM基礎(chǔ)上，進(jìn)一步考慮異構(gòu)信息網(wǎng)絡(luò)和文本文檔兩者之間的主題內(nèi)在一致性，本文又提出了一種更加優(yōu)化的統(tǒng)一主題模型cluTM

5、。本文的主要工作和貢獻(xiàn)總結(jié)如下:
　　1.提出一種使用潛在語義分析基于主題傳播的主題模型LSA-PTM，該模型提出一種主題傳播的方法將異構(gòu)信息網(wǎng)絡(luò)融合到主題建模中，從而改進(jìn)了主題建模的效果。對(duì)于建模出的主題，LSA-PTM為每個(gè)主題計(jì)算出一個(gè)主題描述以提高主題的可讀性。DBLP數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，較于其他幾種主流的主題模型，LSA-PTM取得了更好的效果.
　　2.提出一種融合內(nèi)容和鏈接的統(tǒng)一的主題模型cluTM，該模型