基于向量自回归模型的微博隐式话题流行度预测

被引：1

作者：

段东圣 ^{[1
]}

李鹏霄 ^{[1
]}

李玉华 ^{[2
]}

李瑞轩 ^{[2
]}

机构：

[1] 国家计算机网络应急技术处理协调中心

[2] 华中科技大学计算机科学与技术学院

来源：

模式识别与人工智能 | 2016年 / 29卷 / 07期

关键词：

流行度预测; 向量自回归(VAR); 微博隐式话题; 时序相关度; 动态话题模型(DTM);

D O I：

10.16451/j.cnki.issn1003-6059.201607005

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

现有话题流行度预测方法仅基于话题本身的特征进行流行度预测,未考虑不同话题间的相关性.然而在微博上下文不同的话题之间存在一定的相关性,特别是在同一个事件的不同话题之间.因此,文中利用动态话题模型探测微博中的隐式话题及其流行度时间序列,通过Jensen-Shannon散度和皮尔逊相关系数分别分析话题间的内容和时序相关度,然后在预测模型中引入话题时序相关性,提出基于向量自回归模型的微博隐式话题流行度预测算法.通过在真实微博数据上的实验分析可知,相比未考虑话题相关性的算法,文中算法具有更高的预测准确率和更好的模型拟合效果.

引用

页码：616 / 624

页数：9