本文選題：電商微博 + 熱點話題挖掘��； 參考：《現(xiàn)代圖書情報技術(shù)》2015年11期

【摘要】：【目的】在社交營銷環(huán)境下,準(zhǔn)確且有效地挖掘電商微博中的熱點話題�！痉椒ā刻岢鲆环N綜合模型EM-LDA對電商微博文本數(shù)據(jù)進(jìn)行主題挖掘。EM-LDA綜合模型包含兩個子模型:ET-LDA模型和IT-LDA模型,前者對含有哈希標(biāo)簽的微博進(jìn)行主題挖掘,后者對不含有哈希標(biāo)簽的微博進(jìn)行主題挖掘�！窘Y(jié)果】在確定合適的主題個數(shù)之后,標(biāo)準(zhǔn)LDA模型和EM-LDA綜合模型均被用來挖掘電商微博文本數(shù)據(jù)的熱點話題,與標(biāo)準(zhǔn)LDA模型相比,EM-LDA綜合模型的熱詞挖掘準(zhǔn)確率和有效性均較高,且能提高主題可解釋性�！揪窒蕖吭贓T-LDA模型中,未考慮微博聯(lián)系人之間的關(guān)聯(lián)關(guān)系,即模型中未引入用戶特征;在IT-LDA模型中沒有考慮如何處理那些既是轉(zhuǎn)發(fā)式又是對話式的電商微博�！窘Y(jié)論】EM-LDA綜合模型根據(jù)數(shù)據(jù)的特點,改進(jìn)了標(biāo)準(zhǔn)LDA模型,能夠提升電商微博熱點話題識別的準(zhǔn)確性。
[Abstract]:[objective] in the context of social marketing,Accurate and effective mining of hot topics in e-commerce Weibo. [methods] A synthesis model named EM-LDA is proposed for topic mining. EM-LDA synthesis model consists of two sub-models:: ET-LDA model and IT-LDA model.The former carries on topic mining for Weibo with hash tag, while the latter carries out topic mining for Weibo without hash tag. [results] after determining the appropriate number of topics,Both the standard LDA model and the EM-LDA synthesis model are used to mine hot topics of e-commerce Weibo text data. Compared with the standard LDA model, the EM-LDA synthesis model has higher accuracy and effectiveness of hot word mining.And can improve the theme interpretability. [limitations] in the ET-LDA model, did not take into account the relationship between Weibo contacts, that is, the model does not introduce user characteristics;The IT-LDA model does not consider how to deal with the electronic commerce Weibo, which is both forwarding and conversational. [conclusion] according to the characteristics of the data, the EM-LDA synthesis model improves the standard LDA model, which can improve the accuracy of the identification of the hot topics in the ecommerce Weibo model.
【作者單位】： 東南大學(xué)經(jīng)濟(jì)管理學(xué)院;江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院信息技術(shù)學(xué)院;
【基金】：江蘇省高校哲學(xué)與社會科學(xué)重點項目“江蘇網(wǎng)絡(luò)經(jīng)濟(jì)發(fā)展現(xiàn)狀與對策研究”(項目編號:2013ZDIXM017)的研究成果之一
【分類號】：TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 唐曉波;向坤;;基于LDA模型和微博熱度的熱點挖掘[J];圖書情報工作;2014年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前2條

1 崔金棟;于圓美;王新媛;孫遙遙;;信息管理技術(shù)視角下微博研究綜述與趨勢分析[J];圖書館論壇;2015年04期

2 黃煒;姚嘉威;;網(wǎng)絡(luò)輿情事件的主動感知實踐[J];現(xiàn)代情報;2015年10期

相關(guān)博士學(xué)位論文 前1條

1 王新媛;基于本體建模的微博信息管理機(jī)理研究[D];吉林大學(xué);2015年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 蔡淑琴;張靜;王e，

本文編號：1770001