資源描述：
《基于動態(tài)labeled-lda模型的微博主題挖掘》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、學(xué)位論文獨(dú)創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下獨(dú)立研究工作所取得的成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的內(nèi)容外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得金旦里王些太堂或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。對本文成果做出貢獻(xiàn)的個人和集體，本人已在論文中作了明確的說明，并表示謝意。學(xué)位論文中表達(dá)的觀點(diǎn)純屬作者本人觀點(diǎn)，與合肥工業(yè)大學(xué)無關(guān)。學(xué)位論文作者簽名：同垅驕簽名日期砸．牛．f7學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解金膽王些太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，即：除保密期內(nèi)的涉密學(xué)位論文外，學(xué)校有權(quán)保存并向國家有關(guān)部門或機(jī)構(gòu)送
2、交論文的復(fù)印件和電子光盤，允許論文被查閱或借閱。本人授權(quán)金月巴工些太堂可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫，允許采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名：1虱眵磅喬簽名日期：洲r(nóng)年4月門日論文作者畢業(yè)去向工作單位：聯(lián)系電話：通訊地址：指導(dǎo)教師簽名：簽名日期：幻f亍年呼月Z5日E—mai1：郵政編碼：致謝時光飛逝，轉(zhuǎn)眼問，三年的研究生時光即將落幕。追憶過去，有很多值得自己去回顧去反思。在整個學(xué)習(xí)過程中，許多人都給予了我無私的指導(dǎo)與幫助。使我在這人生的關(guān)鍵階段得到了鍛煉與成長。在這臨近畢業(yè)之際，我想借此機(jī)會對
3、他們表達(dá)深深的感謝。首先，我最要感謝的就是我的導(dǎo)師李鋒剛副教授。李老師是一位學(xué)術(shù)水平很高的學(xué)者，他不僅有著嚴(yán)謹(jǐn)?shù)目蒲袘B(tài)度、兢兢業(yè)業(yè)的工作精神、深厚的專業(yè)修養(yǎng)及和藹可親的待人方式，而且他還非常善于教學(xué)，每每與他交流問題時，都會給予我很多的啟發(fā)以及對問題的更深層次思考，讓我受益匪淺。在將近三年的碩士生涯里，李老師在理論學(xué)習(xí)、科研項(xiàng)目、論文撰寫等方方面面給予了我悉心的指導(dǎo)。在學(xué)習(xí)上迷茫時，他總是能給出很多建議，為我指明方向。我很感激能有這樣一個跟著李老師學(xué)習(xí)的機(jī)會，我深刻地體會到了科研工作的嚴(yán)謹(jǐn)與思考，也從中領(lǐng)悟到了一些做人做的態(tài)度與道理。在此，向李老師的諄諄教誨致以最誠摯的謝意。同
4、時，非常感謝智能管理研究所的所長倪志偉教授，經(jīng)我們提供了良好的學(xué)習(xí)環(huán)境和很多學(xué)習(xí)機(jī)會；他高尚的品德、嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)作風(fēng)及和藹可親的態(tài)度，讓我十分敬佩。其次，感謝我們智能管理研究所的所有兄弟姐妹們，梁婷、張國強(qiáng)、郭文陽、丁斌、荊婷婷、何巖新、萬飛、楊曉斌、王萍、尤其是徐凱，以及同班的童雅林、陳驁等。他們不僅在學(xué)習(xí)上給予我很大的幫助同時也讓我收獲了深厚的友誼，也為我的研究生生活增添了許多樂趣，從他們身上也學(xué)習(xí)到了很多優(yōu)秀的品質(zhì)。還有，感謝我的家人，感謝其他所有好朋友的陪伴，感謝一直以來的生活上與精神上的鼓舞與動力，讓我更加熱愛生活，更加積極學(xué)習(xí)與工作，也更加充滿自信。最后，向各位專家表
5、示由衷的感謝!作者：周先琳2015年4月摘要隨著微博用戶的不斷增加，微博的影響力也在不斷地擴(kuò)張。微博類動態(tài)短文本由于其特有的文本特征，微博主題受時間因素的影響很大。Labeled—LDA模型是傳統(tǒng)的LDA模型的一種變形，它是在LDA原有的基礎(chǔ)上附加了一層類別標(biāo)簽。使傳統(tǒng)的LDA多了一個直接的分配模型類別的優(yōu)勢，同時很好的優(yōu)化了傳統(tǒng)LDA模型在處理文本分類時會出現(xiàn)的在不屬于自己的類別上進(jìn)行生成時可能會導(dǎo)致隱主題的強(qiáng)制分配的問題。本文的研究目的：由于微博類短文本式網(wǎng)絡(luò)信息的及時性、動態(tài)性和主題復(fù)雜性及多樣性，首先對己選取好的微博文本在做了預(yù)處理后，進(jìn)行文本特征選擇。動態(tài)化改進(jìn)后的V
6、SM特征選擇方法明顯優(yōu)于傳統(tǒng)的TF．IDF算法。其次，本文構(gòu)建了動態(tài)的Labeled-LDA模型，將標(biāo)簽與動態(tài)相結(jié)合。方法包括三部分：第一，用Labeled-LDh主題模型進(jìn)行建模和特征選擇，確定主題數(shù)和隱主題一文本矩陣；第二，對微博文本劃分時間文本集；第三，對Labeled—LDA模型進(jìn)行動態(tài)化的改進(jìn)，最終給出了針對微博文體的一種新的主題檢索模型。實(shí)驗(yàn)結(jié)論：時間對微博的影響很大，動態(tài)化改進(jìn)后的模型可以看出主題隨時問因素的變化更為明顯，本文提出的動態(tài)標(biāo)簽LDA模型對微博類的動態(tài)文本的主題挖掘具有優(yōu)化作用。關(guān)鍵字：微博；文本挖掘；標(biāo)簽；動態(tài)；模型；LDAIIABSTRACTWit
7、htheconstamincreasingoftheusersofmicroblog．TheinfluenceofWeiboiscontinuallyexpanding．Becauseoftheuniquetextfeatureofmicroblogclassdynamicshorttext．Thethemeofblogaregreatlyaffectedbythetimefactor．Labeled—LDAmodelisamodificationoftheconventionalLDAmo
