基于BTM模型的微博用户主题兴趣提取研究

• 作 者: 施媛婷
• 出 处: 华中师范大学
• 发表日期: 2004年期
• 关键词: 主题模型 用户兴趣 短文本 BTM建模 微博

由于微博具有简短、便捷、即时的特点,近年来吸引了大量的用户群,用户在微博社交平台上产生了大量的信息流。为了从海量的信息中找到用户感兴趣的信息,实现微博广告的精准投放,我们需要设计合理的用户兴趣模型来挖掘用户的兴趣。因此,针对用户兴趣获取的研究对于微博网站的发展极为重要。本文以BTM(Biterm Topic Model)为基础构建用户兴趣主题模型,BTM模型的基本思想就是在在整个语料集中寻找“词对”,它主要针对“词对”的生成过程进行模型的建立。由于微博文本具有信息量少、高维稀疏的特点,并不适合用LDA等主题模型进行微博用户兴趣的提取。BTM作为词对模型,在短文本信息挖掘方面具有较大的优势。本文以新浪微博的用户微博文本作为数据来源,主要做了如下工作:首先,本文提出了一种基于BTM的用户主题兴趣提取模型,对于微博用户的所有微博文本利用该模型进行分析,得到该用户的兴趣主题分布,基于每个主题下的词汇归纳该主题的用户兴趣。然后,本文从用户的个性标签中过滤个人基础信息、职业或专业、个人特征等这些信息,保留用户兴趣相关的信息,作为与实验结果的比较参考。最后,本文设置用户活跃度(即关注数和粉丝数)以及微博文本这两个变量,分析这两个变量对BTM用户兴趣主题模型性能的影响,并对实验结果进行分析解释出现这种情况的原因。实验表明:用户活跃度对BTM用户主题模型的性能影响较小,而微博文本数量对其影响较大,数量越大,BTM用户主题模型的准确率就越高。目前微博文本的兴趣挖掘大多以LDA为基础建立主题模型,本文对BTM模型进行系统的实验以探索BTM模型在微博短文本用户兴趣挖掘方面的性能,为BTM模型在微博用户兴趣挖掘方面的应用提供参考。