基于社区时空主题模型的微博社区发现方法

提出了一种基于主题模型的微博社区发现方法。该方法采用狄利克雷过程(Dirichlet process)自适应生成多个潜在地理区域;利用多项式分布描述主题在连续时间中的强度;将用户对潜在地理区域和社区的选择偏好引入主题模型;最后通过EM方法和Gibbs采样,实现时空主题模型参数估算,以基于主题相似性进行社区发现。实验表明,该方法能更加准确地识别微博社区。

微博社区快速发现方法

微博社区发现在舆情分析、个性化推荐等方面具有重要的应用价值。为了准确而高效地发现微博社交网络中的社区,提出了一种基于连边层次聚类的微博社区发现方法。该方法通过高度重叠社区的合并及划分误差的修正,进一步提高了微博社区发现的准确率。为了提高微博社区发现的效率,利用开源云计算平台Hadoop所提供的Map Reduce编程模型进行了分布式并行处理。实验结果表明,所采用的微博社区发现方法不仅具有较高的准确率,而且具有较高的效率。

微博信息挖掘技术研究综述

对目前微博信息挖掘技术中的微博内容挖掘及用户关系挖掘的研究情况及相关方法进行介绍及归纳,认为其中微博内容挖掘主要包括微博短文本挖掘、话题趋势检测、情感倾向性分析等方面,用户关系挖掘主要包括用户群体特性、用户社区发现、意见领袖挖掘及微博传播模式等方面;指出这些方法的局限性,并对微博信息挖掘的发展进行展望,以为进一步研究提供参考。