计算机研究与发展
計算機研究與髮展
계산궤연구여발전
Journal of Computer Research and Development
2015年
11期
2517-2526
,共10页
张腊梅%黄威靖%陈薇%王腾蛟%雷凯
張臘梅%黃威靖%陳薇%王騰蛟%雷凱
장석매%황위정%진미%왕등교%뢰개
专家%主题%微博%转发行为%概率模型
專傢%主題%微博%轉髮行為%概率模型
전가%주제%미박%전발행위%개솔모형
experts%topic%micro-blog%retweet behavior%probability model
目前,微博已成为人们获取信息、分享信息的最流行平台之一.经过长期的发展积累,微博中聚集了很多具有权威专业知识背景的专家,挖掘微博中与主题相关的专家有利于进一步地用户推荐、微博舆情分析等工作.在微博中,与某个主题相关的专家是指因具有可靠的与此主题相关的专业知识或技能而在此主题下具有高影响力的用户,挖掘高影响力的用户可以通过分析微博的转发数据来进行,然而由于微博中用户的转发行为分为"主题相关转发"和"跟随转发"2种,因此,因被转发概率高而具有高影响力的用户不一定是专家.EMTM(experts mining topic model)是一种基于主题模型的概率生成模型,通过区分微博用户的不同转发行为来挖掘微博中与主题相关的专家.模型采用Gibbs采样进行推理求解.在真实的新浪微博数据集上的对比实验表明EMTM能够有效地挖掘微博中与主题相关的专家.
目前,微博已成為人們穫取信息、分享信息的最流行平檯之一.經過長期的髮展積纍,微博中聚集瞭很多具有權威專業知識揹景的專傢,挖掘微博中與主題相關的專傢有利于進一步地用戶推薦、微博輿情分析等工作.在微博中,與某箇主題相關的專傢是指因具有可靠的與此主題相關的專業知識或技能而在此主題下具有高影響力的用戶,挖掘高影響力的用戶可以通過分析微博的轉髮數據來進行,然而由于微博中用戶的轉髮行為分為"主題相關轉髮"和"跟隨轉髮"2種,因此,因被轉髮概率高而具有高影響力的用戶不一定是專傢.EMTM(experts mining topic model)是一種基于主題模型的概率生成模型,通過區分微博用戶的不同轉髮行為來挖掘微博中與主題相關的專傢.模型採用Gibbs採樣進行推理求解.在真實的新浪微博數據集上的對比實驗錶明EMTM能夠有效地挖掘微博中與主題相關的專傢.
목전,미박이성위인문획취신식、분향신식적최류행평태지일.경과장기적발전적루,미박중취집료흔다구유권위전업지식배경적전가,알굴미박중여주제상관적전가유리우진일보지용호추천、미박여정분석등공작.재미박중,여모개주제상관적전가시지인구유가고적여차주제상관적전업지식혹기능이재차주제하구유고영향력적용호,알굴고영향력적용호가이통과분석미박적전발수거래진행,연이유우미박중용호적전발행위분위"주제상관전발"화"근수전발"2충,인차,인피전발개솔고이구유고영향력적용호불일정시전가.EMTM(experts mining topic model)시일충기우주제모형적개솔생성모형,통과구분미박용호적불동전발행위래알굴미박중여주제상관적전가.모형채용Gibbs채양진행추리구해.재진실적신랑미박수거집상적대비실험표명EMTM능구유효지알굴미박중여주제상관적전가.
