ACT-LDA:集成话题、社区和影响力分析的概率模型

被引：15

作者：

吴良 ^{[1
,2
]}

黄威靖 ^{[1
,2
]}

陈薇 ^{[1
,2
,3
]}

王腾蛟 ^{[1
,2
,3
]}

雷凯 ^{[3
]}

刘月琴 ^{[4
]}

机构：

[1] 高可信软件技术教育部重点实验室

[2] 北京大学信息科学技术学院

[3] 北京大学深圳研究生院深圳市云计算关键技术与应用重点实验室

[4] 国际关系学院信息科技系

来源：

计算机科学与探索 | 2013年 / 08期

基金：

国家高技术研究发展计划(863计划);

关键词：

社交网络; 社区发现; 话题模型; 用户影响力;

D O I：

暂无

中图分类号：

TP393.09 []; O242.1 [数学模拟];

学科分类号：

070102 [计算数学];

摘要：

随着社交网络的发展,社交网络中的用户形成大规模的用户关系图,用户在社交网络中发表内容,这些内容及其链接关系形成大规模的文档图。如何根据用户关系图、文档图,挖掘出用户所形成的社区、社区用户的影响力以及各个社区的话题,是重要的问题,而目前这些工作相对独立。考虑了用户发表内容、用户之间的关系信息,利用话题传播、社区形成和用户影响力之间的关联性,提出了一个基于LDA(latent Dirichlet allocation)的集成话题发现、社区发现和用户影响力分析的统一模型ACT-LDA(author-community-topicLDA)。模型采用变分推理的方法解决推理问题。在DBLP数据上进行了实验,取得了非常好的结果,证明了模型的有效性。

引用

页码：718 / 728

页数：11