APP下载

基于LDA模型的疾病患者网络社区发现方法*

2021-10-19罗颖陈伟张超

九江学院学报(自然科学版) 2021年3期
关键词:词汇文本用户

罗 颖 陈 伟 张 超

(宿州职业技术学院计算机系 安徽宿州 234000)

中国居民越来越关注健康问题,经常通过网络讨论疾病[1],在网上形成了许多疾病社区[2]。疾病网络社区识别对健康策略制定以及医疗服务推荐具有十分重要的意义。

目前,在网络社区挖掘方面出现了许多研究成果。例如,陈婉杰[3]等针对当前的社区发现方法难以解决网络多维性问题,提出了一种基于表示学习的多维网络社区发现方法。许平华[4]等针对当前社区挖掘算法无法充分利用网络结构信息、通用性不强等问题,提出了一种基于节点不对称转移概率的网络社区发现算法。韩楠[5]等针对传统网络社区发现方法中存在无法高效处理大规模移动网络数据问题,提出了一种基于网络性质和图论知识的山地模型来划分社区结构。

虽然网络社区发现研究取得了一些研究成果,但都是普适的网络社区发现法,在特定环境下网络社区发现效果会变差。文章针对疾病患者网络社区的特点,提出了一种基于LDA模型的疾病患者网络社区发现法。该方法运用LDA模型识别疾病话题,然后采用相似度计算法计算疾病用户与疾病话题间的相似度得出主题下的疾病用户,最后建立用户之间的关联关系识别疾病社区。

1 LDA模型

2003年,Blei[6]等提出了基于无监督学习的主题生成模型LDA(latent dirichlet allocation),该模型用来识别大规模文档集或语料库中隐含的主题信息。LDA模型将每篇文档看成是所有主题构成的概率向量,而每个主题又被看成是所有单词所构成的概率向量。……

登录APP查看全文

猜你喜欢

词汇文本用户
本刊可直接用缩写的常用词汇
一些常用词汇可直接用缩写
在808DA上文本显示的改善
本刊可直接用缩写的常用词汇
基于doc2vec和TF-IDF的相似文本识别
关注用户
关注用户
关注用户
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
如何获取一亿海外用户