面向短文本的主题模型技术
ISBN：978-7-5024-9025-6
著者：吴迪
出版时间：2022年2月10日
图书定价：68元
推荐语
作者多年来一直从事数据挖掘、自然语言处理、网络舆情分析等领域的研究工作。近5年来，作者及科研团队针对现有传统面向社交媒体短文本的主题模型聚类方法语义分析能力、主题划分效果不佳、热点话题演化准确率不高等重点和难点问题，融合聚类等数据挖掘技术，开展短文本主题情感分析和特征提取方法、面向评论短文本分析与演化和面向热点话题发现与演化的主题模型研究，有望突破传统主题模型LDA、BTM和oBTM的局限，形成新的利用主题模型和聚类技术分析社交媒体短文本的方案。上述研究成果对于融合主题模型的聚类方法在多元化新媒体短文本的应用推广具有理论支撑和实践价值；同时，也为网络舆情监控以及应急响应策略制定提供决策和支持，对维护社会稳定、节约社会管理资源，具有重要的应用价值。
当前，面向短文本的主题模型技术仍处于发展阶段，国内尚缺少较为全面和系统地介绍主题模型技术的书籍。本书是在上述科学研究和技术开发工作基础上撰写而成，是笔者及科研团队在面向微博、弹幕等社交媒体分析及演化的主题模型研究成果的系统总结。因此，希望本书的出版能够为主题模型技术在社交媒体短文本及其他领域的应用提供借鉴与帮助。
内容简介
本书系统地介绍了主题模型紧密相关的基本理论、实用技术及其在微博、弹幕等社交媒体短文本中的应用。全书首先从主题模型产生的背景、定义、分类和应用入手，概述了主题模型相关技术理论和未来发展趋势，然后分别对面向微博评论的LDA主题模型、面向微博热点话题分析与演化的BTM主题模型、面向弹幕短文本分析与演化的oBTM主题模型进行深入的剖析和验证。
目录
1 主题模型概述
1.1 主题模型产生背景
1.2 主题模型定义
1.3 概率主题模型
1.4 其他主题模型
1.5 主题模型应用
1.6 主题模型未来研究方向
1.7 本章小结
2 面向微博评论短文本的LDA主题模型
2.1 研究背景及意义
2.2 国内外研究现状
2.3 融合情感词共现和知识对特征提取的LDA主题模型
2.4 融合情感主题特征词加权的LDA主题模型
2.5 实验仿真
2.6 本章小结
3 面向微博热点话题发现的BTM主题模型
3.1 研究背景及意义
3.2 国内外研究现状
3.3 融合Doc2Vec和突发概率的BTM主题模型
3.4 面向微博热点话题发现短文本聚类的BTM主题模型
3.5 实验仿真
3.6 本章小结
4 面向微博热点话题演化的oBTM主题模型
4.1 研究背景及意义
4.2 国内外研究现状
4.3 融合话题标签和先验参数的oBTM主题模型
4.4 LPoBTM实验结果及分析
4.5 本章小结
5 面向弹幕短文本流分析的oBTM主题模型
5.1 研究背景及意义
5.2 国内外研究现状
5.3 融合特征扩展和词对过滤的oBTM主题模型
5.4 FEF-oBTM实验结果及分析
5.5 本章小结
6 面向弹幕短文本流演化的oBTM主题模型
6.1 研究背景及意义
6.2 国内外研究现状
6.3 融合情感极性和影响函数的oBTM主题模型
6.4 EI-oBTM实验结果及分析
6.5 本章小结
-
用途分类专著
-
专业分类机电智能
