-
题名基于异构社交上下文的多视图微博主题检测
被引量：2
- 1
-
-
作者
贺瑞芳
王浩成
刘宏宇
王博
-
机构
天津大学智能与计算学部
天津市认知计算与应用重点实验室
-
出处
《软件学报》
EI
CSCD
北大核心
2023年第11期5162-5178,共17页
-
基金
国家自然科学基金(61976154)
国家重点研发计划(2019YFC1521200)。
-
文摘
社交媒体主题检测旨在从大规模短帖子中挖掘潜在的主题信息.由于帖子形式简短、表达非正规化,且社交媒体中用户交互复杂多样,使得该任务具有一定的挑战性.前人工作仅考虑了帖子的文本内容,或者同时对同构情境下的社交上下文进行建模,忽略了社交网络的异构性.然而,不同的用户交互方式,如转发,评论等,可能意味着不同的行为模式和兴趣偏好,其反映了对主题的不同的关注与理解;此外,不同用户对同一主题的发展和演化具有不同影响,社区中处于引领地位的权威用户相对于普通用户对主题推断会产生更重要的作用.因此,提出一种新的多视图主题模型(multi-view topic model,MVTM),通过编码微博会话网络中的异构社交上下文来推断更加完整、连贯的主题.首先根据用户之间的交互关系构建一个属性多元异构会话网络,并将其分解为具有不同交互语义的多个视图;接着,考虑不同交互方式与不同用户的重要性,借助邻居级注意力和交互级注意力机制,得到特定视图的嵌入表示;最后,设计一个多视图驱动的神经变分推理方法,以捕捉不同视图之间的深层关联,并自适应地平衡它们的一致性和独立性,从而产生更连贯的主题.在3个月新浪微博数据集上的实验结果证明所提方法的有效性.
-
关键词
社交媒体主题检测
异构社交上下文
多视图
注意力机制
神经变分推理
-
Keywords
social topic detection
heterogeneous social contexts
multiple views
attention mechanism
neural variational inference
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于消息传递和图先验分布的微博主题模型
- 2
-
-
作者
王浩成
贺瑞芳
吴辰昊
刘焕宇
-
机构
天津大学智能与计算学部
天津市认知计算与应用重点实验室(天津大学)
-
出处
《软件学报》
EI
CSCD
北大核心
2024年第11期5133-5148,共16页
-
基金
国家自然科学基金(61976154)
国家重点研发计划(2019YFC1521200)。
-
文摘
检测社交媒体文本中的潜在主题是一项有意义的任务.由于帖子具有表达简短、非正规的特点,其将带来严重的数据稀疏问题.不仅如此,基于变分自编码器(variational auto-encoder,VAE)的模型在主题推断过程中还忽视了用户间的社交关系,考虑VAE假设输入的数据点间是相互独立的.这导致了推断的潜在主题变量间缺少了相关性信息,进而导致主题不够连贯.社交网络结构信息不仅聚合上下文信息的线索,还暗示了用户间的主题相关性.因此,提出基于消息传递和图先验分布的微博主题模型,其借助图卷积网络(graph convolution network,GCN)编码更加丰富的上下文信息,并且在变分自编码器推断主题的过程中,通过图先验分布整合用户交互关系以促进对多数据点复杂关系的理解,从而更好地挖掘社交媒体主题信息.在3个真实微博数据集上的实验证明了所提方法的有效性.
-
关键词
社交媒体主题检测
用户相关性
图先验分布
-
Keywords
topic detection of social media
user correlation
graph prior distribution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
