|
|||||
|
|
| 基于GV-LDA的微博话题检测研究 | |
| 引用本文： | 李少华,李卫疆,余正涛.基于GV-LDA的微博话题检测研究[J].教育技术导刊,2018,17(2):131-135. |
| 作者姓名： | 李少华 李卫疆 余正涛 |
| 作者单位： | 昆明理工大学 信息工程与自动化学院,云南 昆明 650500 |
| 摘 要： | 随着社交网络的不断发展，微博成为越来越多的人获取信息的平台。为了有效解决微博话题检测中海量短文本带来的词稀疏问题，提出结合全局向量模型（GloVe）和潜在狄利克雷分布（LDA）的GV-LDA模型。在使用LDA进行话题检测前，模型利用多义词词项的含义与词性相关的事实，在标注过并去除低频词的语料上，对全局向量模型进行训练获得词向量，对词性相同且相似度大于阈值的词进行替换以解决稀疏性问题。实验结果表明， GV-LDA模型较传统的LDA主题模型，可有效提高话题检测的准确率和召回率，并降低“主题词”处理的维度，因此GV-LDA更适合微博话题检测。 |
| 关 键 词： | 微博 话题检测 全局向量 潜在狄利克雷分布 |
| 点击此处可从《教育技术导刊》浏览原始摘要信息 | |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 | |