[发明专利]基于LDA主题模型的微博用户兴趣的挖掘方法及系统

说明书

技术领域

本发明涉及计算机应用与互联网技术领域，特别涉及一种基于LDA(Latent Dirichlet Allocation，隐式狄利克雷分配)主题模型的微博用户兴趣的挖掘方法及系统。

背景技术

近些年，许多用户开始通过微博例如推特或者新浪微博向他人分享自己的想法或者展示自己，例如用户在社交网络中通过各种社交行为如发微博或者给某种资源点赞，从而分享自己的想法或者展示自己。因此，在某种程度上，用户的社交行为或者微博可以显示用户的兴趣领域。举例而言，新浪微博的用户可以给自己加上标签信息，以用来展示自己的不同，因此用户标签信息可以显示用户的兴趣。另外，由于用户之间的关系不仅仅能表现他们的交往关系，也能展示他们之间有共同的兴趣，因此用户关系信息也能被用来做用户兴趣的挖掘。

然而，虽然对如何从用户的社交行为或者微博中挖掘兴趣信息做了很多研究，但是都忽略了用户标签信息和用户关系信息，尤其是基于新浪微博的研究并没有考虑用户标签信息，且由于基于推特的研究并没有这种资源，所以也没有考虑标签信息，导致无法深入的挖掘隐藏在用户关系和标签当中的用户兴趣和用户标签的对应关系。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种能深入的挖掘隐藏在用户关系和用户标签当中的用户兴趣和用户标签的对应关系的基于LDA主题模型的微博用户兴趣的挖掘方法。

本发明的另一个目的在于提出一种基于LDA主题模型的微博用户兴趣的挖掘系统。

为达到上述目的，本发明一方面实施例提出了一种基于LDA主题模型的微博用户兴趣的挖掘方法，包括以下步骤：从微博中采集用户关系信息和用户标签信息，其中，所述用户标签信息包括多个用户标签；将所述用户关系信息集成至隐式狄利克雷分配LDA主题模型中，所述LDA主题模型根据兴趣类别设置有多个主题；以及根据所述兴趣类别从所述用户标签信息中分别为每个主题选定一个标签作为种子词，并提取多个种子词以将所述多个种子词集成至所述LDA主题模型中，以利用所述LDA主题模型对用户的兴趣进行挖掘。

根据本发明实施例的基于LDA主题模型的微博用户兴趣的挖掘方法，通过采集用户关系信息和用户标签信息，并将用户关系信息集成至LDA主题模型中，且从用户标签信息中提取出多个种子词，以将多个种子词集成至LDA模型中，实现利用LDA主题模型对用户的兴趣进行挖掘，可以深入的挖掘隐藏在用户关系和标签当中的用户兴趣和用户标签的对应关系，找出用户在不同兴趣领域的分布。

另外，根据本发明上述实施例的基于LDA主题模型的微博用户兴趣的挖掘方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，在将所述用户关系信息集成至所述LDA主题模型中之后，还包括：将Topic-in-set先验、狄利克雷森林先验和层次非对称先验集成至所述LDA主题模型中。

进一步地，在本发明的一个实施例中，所述用户关系信息、Topic-in-set先验、狄利克雷森林先验和层次非对称先验根据以下公式进行采样，以集成至所述LDA主题模型中：

其中，为文档d在狄利克雷森林中节点s上分配的词的数目，γ为所述狄利克雷森林的超参数，η为软约束的参数，为文档所述d分配至主题k上的数目，σ(k)为指示器函数，为主题v在所述狄利克雷森林上的边的权重，C_v(s↓i)为所述主题v的狄利克雷树中，同时属于叶子节点w_i的祖先以及所述节点s的孩子节点的节点集合，为所述主题v的狄利克雷树中，所述叶子节点w_i的祖先的节点集合。

进一步地，在本发明的一个实施例中，从所述用户标签信息中提取所述多个种子词，并将所述多个种子词集成至所述LDA主题模型中，进一步包括：通过计算每个剩余标签与所述每个主题的种子词的共现，为所述每个主题选定预设个数标签作为所述种子词的候选词，并集成至所述LDA主题模型中，以对所述种子词进行补充。

进一步地，在本发明的一个实施例中，根据以下公式计算所述每个剩余标签与所述每个主题的种子词的共现：

其中，r为所述种子词，m为剩余标签中的一个，P_r,m表示所述种子词r和所述剩余标签中的一个m共同出现的概率，P_r表示所述种子词r出现的概率，P_m则为所述剩余标签中的一个m出现的概率。