基于評(píng)論的在線多媒體微博主題挖掘算法研究.pdf

1、隨著Web2.0的發(fā)展，互聯(lián)網(wǎng)數(shù)據(jù)的表現(xiàn)形式越來越豐富，這些豐富的Web數(shù)據(jù)中蘊(yùn)含著巨大的價(jià)值。近年來，大量研究人員正從事著從龐大的Web數(shù)據(jù)中進(jìn)行文本挖掘的研究。微博是一種擁有豐富媒體信息的信息交互平臺(tái)，在龐大的用戶群體中有著深刻的影響力。一條微博的文本內(nèi)容通常較為簡(jiǎn)短且微博主題通常蘊(yùn)含在圖片或視頻等多媒體內(nèi)容當(dāng)中，因此如何挖掘復(fù)雜的多媒體信息的主題，并使用簡(jiǎn)潔而有效文本模型表達(dá)多媒體的主題有重要的研究意義。然而現(xiàn)有文本挖掘的模型與方

2、法并不能有效挖掘并全面展示多媒體微博的主題，所以本文提出了一種新的文本描述模型以及主題挖掘算法。
　　本文首先研究了話題檢測(cè)與跟蹤理論、話題跟蹤技術(shù)與主題模型理論，并從中梳理了相關(guān)理論作為本文的研究基礎(chǔ)；為指導(dǎo)基于評(píng)論的主題挖掘，本文在已有在線LDA模型的基礎(chǔ)上引入微博主題熱度動(dòng)態(tài)演化以及主題內(nèi)容動(dòng)態(tài)演化提出了微博在線LDA（Microblog Online-LDA，簡(jiǎn)稱MBO-LDA）模型，并用于在線微博文本流建模；基于MBO-

3、LDA模型，本文設(shè)計(jì)了基于評(píng)論的在線多媒體微博主題挖掘算法，并使用內(nèi)容與情感兩個(gè)維度的多媒體微博文本描述模型展示主題挖掘結(jié)果；最后本文使用新浪微博爬蟲工具集采集的216345條新浪微博按發(fā)表時(shí)間構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)證明了本文提出的模型與算法是有效且可靠的。
　　具體的創(chuàng)新點(diǎn)有：（1）根據(jù)微博平臺(tái)的時(shí)效特性，改進(jìn)Online-LDA模型并提出了MBO-LDA主題模型，并將模型用于微博在線文本流的主題建模來指導(dǎo)基于評(píng)論的主