【目的】自動(dòng)分析網(wǎng)絡(luò)虛擬學(xué)習(xí)社區(qū)的資源,解決信息過載選擇困難問題。【方法】本文提出一種基于"用戶-文檔-詞匯"三維權(quán)重矩陣的超網(wǎng)絡(luò)嵌入LDA模型,通過引入"用戶-詞匯"超網(wǎng)絡(luò)分析,以超網(wǎng)絡(luò)臨近性信息修正LDA模型,加大超網(wǎng)絡(luò)結(jié)構(gòu)中連接緊密的詞匯或用戶在同一主題下的分配概率,提高主題凝聚性�！窘Y(jié)果】與傳統(tǒng)社會(huì)網(wǎng)絡(luò)分析的用戶活躍程度不同,超網(wǎng)絡(luò)嵌入LDA模型根據(jù)"用戶-詞匯"頻度矩陣、"用戶-主題"分布概率,發(fā)現(xiàn)論壇重要用戶、核心主題以及兩者的互動(dòng)關(guān)系,分析用戶興趣偏好特征。【局限】超網(wǎng)絡(luò)分析技術(shù)目前并不成熟,本文加權(quán)無向超網(wǎng)絡(luò),未對(duì)虛擬學(xué)習(xí)社區(qū)的發(fā)帖回復(fù)等有向關(guān)系進(jìn)一步深入研究。【結(jié)論】超網(wǎng)絡(luò)嵌入LDA模型是傳統(tǒng)作者主題模型的改進(jìn),可以有效分析社區(qū)短文本主題,了解社區(qū)用戶之間的互動(dòng)主題關(guān)系,對(duì)參與社區(qū)學(xué)習(xí)者和論壇管理者都有重要意義。

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖1“用戶-詞匯”超網(wǎng)絡(luò)結(jié)構(gòu)分解

本文提出的“用戶-詞匯”超網(wǎng)絡(luò)嵌入LDA模型，以文檔主題模型為基礎(chǔ)，將虛擬學(xué)習(xí)社區(qū)作為一個(gè)臨時(shí)的社會(huì)網(wǎng)絡(luò)，建立跨越文檔的詞匯上下文關(guān)聯(lián)關(guān)系，研究用戶與發(fā)帖（或回復(fù)）內(nèi)容的交互關(guān)系。如圖1所示，定義兩層超網(wǎng)絡(luò)g(V,E,L),V為節(jié)點(diǎn)集，分為兩類：VL=1={ui}為用戶節(jié)點(diǎn)集，表....

圖2傳統(tǒng)LDA分解示意圖

超網(wǎng)絡(luò)嵌入LDA模型是在傳統(tǒng)LDA模型的“文檔-主題-詞匯”三層結(jié)構(gòu)（如圖2所示）的基礎(chǔ)上，加入用戶維度，轉(zhuǎn)化成“用戶-文檔-主題-詞匯”的4層結(jié)構(gòu)（如圖3所示）�！坝脩�-文檔-詞匯”三維權(quán)重矩陣（udtmTF-IDFsij）為模型輸入信息，而用戶與文檔是一對(duì)多的確定關(guān)系，....

圖3“用戶-詞匯”超網(wǎng)絡(luò)嵌入LDA模型分解示意圖

圖2傳統(tǒng)LDA分解示意圖由于超網(wǎng)絡(luò)嵌入LDA模型加入了用戶維度信息，模型的輸入數(shù)據(jù)為“用戶-文檔-詞匯”三維權(quán)重矩陣（udtmsijTF-IDF）。該矩陣的權(quán)重計(jì)算為原“文檔-詞匯”權(quán)重矩陣（dtmijTF-IDF）與超網(wǎng)絡(luò)節(jié)點(diǎn)重要性計(jì)算出的用戶重要性和詞匯重要性系數(shù)的乘積，如....

圖4實(shí)驗(yàn)數(shù)據(jù)

本文以經(jīng)管之家論壇“數(shù)據(jù)分析與數(shù)據(jù)挖掘”版塊(1)為例，該版塊比較活躍，每天都有大量的學(xué)習(xí)互動(dòng)。在經(jīng)管之家論壇頁(yè)面，利用R語(yǔ)言的rvest包，抓取最近50頁(yè)發(fā)帖頁(yè)面，提取版塊主題和回復(fù)文本2萬多條，經(jīng)過清洗過濾的結(jié)構(gòu)化數(shù)據(jù)如圖4(a）所示，用戶發(fā)帖和回帖互動(dòng)關(guān)系如圖4(b）所示。....

本文編號(hào)：3956569