储涛涛

(北京邮电大学计算机学院，北京 100876)

基于LDA主题模型的用户兴趣发现方法

储涛涛

(北京邮电大学计算机学院，北京 100876)

用户兴趣是对微博用户研究的重要内容，本文使用聚类方法提取用户兴趣。由于微博短文本的特征稀疏和上下文依赖性，传统方法不能取得良好的效果。本文对微博短文本进行基于LDA主题模型的特征拓展处理。LDA主题模型引入隐含主题，通过主题相似性，在一定程度上拓展文本特征，弥补原文本特征稀疏的缺点。并且，在处理多义词时，主题相似性能明显区分不同词义，以解决上下文依赖问题。在此基础上，通过文本聚类方法提取用户兴趣。通过实验表明，在引入LDA模型下，聚类效果和用户兴趣抽取的到明显提升，有效解决的微博用户兴趣发现中文博短文本特征稀疏和上下文依赖问题。

用户兴趣；短文本；LDA；特征拓展；K-means

本文著录格式：储涛涛. 基于LDA主题模型的用户兴趣发现方法[J]. 软件，2016，37（12）：38-42

0 引言

用户兴趣是对微博用户研究的重要内容，本研究中使用文本聚类方法发掘用户兴趣，文本聚类技术一直是文本挖掘领域的重要内容。而微博短文本由于具有短小、新词多、不规范等特点，如果直接使用传统的方法往往不能取得很好的效果。对微博文本的研究，具有十分重要的理论研究和实际应用意义。

从理论上来说，本研究充分考虑互联网微博用户的短文本特性，针对短文本内容丰富、特征稀疏、上下文依赖性强的特点，设计合适的文本挖掘方法，通过LDA模型对微博短文本进行特征的扩展。……