网络虚拟学习社区重要用户与核心主题联合分析

发布时间：2024-04-16 06:11

　　【目的】自动分析网络虚拟学习社区的资源,解决信息过载选择困难问题。【方法】本文提出一种基于"用户-文档-词汇"三维权重矩阵的超网络嵌入LDA模型,通过引入"用户-词汇"超网络分析,以超网络临近性信息修正LDA模型,加大超网络结构中连接紧密的词汇或用户在同一主题下的分配概率,提高主题凝聚性。【结果】与传统社会网络分析的用户活跃程度不同,超网络嵌入LDA模型根据"用户-词汇"频度矩阵、"用户-主题"分布概率,发现论坛重要用户、核心主题以及两者的互动关系,分析用户兴趣偏好特征。【局限】超网络分析技术目前并不成熟,本文加权无向超网络,未对虚拟学习社区的发帖回复等有向关系进一步深入研究。【结论】超网络嵌入LDA模型是传统作者主题模型的改进,可以有效分析社区短文本主题,了解社区用户之间的互动主题关系,对参与社区学习者和论坛管理者都有重要意义。

【文章页数】：11 页

【部分图文】：

图1“用户-词汇”超网络结构分解

本文提出的“用户-词汇”超网络嵌入LDA模型，以文档主题模型为基础，将虚拟学习社区作为一个临时的社会网络，建立跨越文档的词汇上下文关联关系，研究用户与发帖（或回复）内容的交互关系。如图1所示，定义两层超网络g(V,E,L),V为节点集，分为两类：VL=1={ui}为用户节点集，表....

图2传统LDA分解示意图

超网络嵌入LDA模型是在传统LDA模型的“文档-主题-词汇”三层结构（如图2所示）的基础上，加入用户维度，转化成“用户-文档-主题-词汇”的4层结构（如图3所示）。“用户-文档-词汇”三维权重矩阵（udtmTF-IDFsij）为模型输入信息，而用户与文档是一对多的确定关系，....

图3“用户-词汇”超网络嵌入LDA模型分解示意图

图2传统LDA分解示意图由于超网络嵌入LDA模型加入了用户维度信息，模型的输入数据为“用户-文档-词汇”三维权重矩阵（udtmsijTF-IDF）。该矩阵的权重计算为原“文档-词汇”权重矩阵（dtmijTF-IDF）与超网络节点重要性计算出的用户重要性和词汇重要性系数的乘积，如....

图4实验数据

本文以经管之家论坛“数据分析与数据挖掘”版块(1)为例，该版块比较活跃，每天都有大量的学习互动。在经管之家论坛页面，利用R语言的rvest包，抓取最近50页发帖页面，提取版块主题和回复文本2万多条，经过清洗过滤的结构化数据如图4(a）所示，用户发帖和回帖互动关系如图4(b）所示。....

本文编号：3956569