基于卷积神经网络和用户信息的微博话题追踪模型  

Convolutional Neural Network and User Information Based Model for Microblog Topic Tracking

作　　者：付鹏[1] 林政[1] 袁凤程 林海伦[1] 王伟平[1] 孟丹[1] 

机构地区：[1]中国科学院信息工程研究所信息内容安全技术国家工程实验室,北京100093

出　　处：《模式识别与人工智能》2017年第1期73-80,共8页Pattern Recognition and Artificial Intelligence

基　　金：国家高技术研究发展计划(863计划)项目(No.2013AA013204);国家自然科学基金项目(No.61602467;61502478);国家核高基项目(No.2013ZX01039-002-001-001)资助~~

摘　　要：为了解决微博文本特征抽取及特征稀疏问题,提出基于卷积神经网络的微博话题追踪模型(CNN-TTM).基于微博用户信息,又提出融合微博用户信息及卷积神经网络的微博话题追踪模型(CNN-User TTM),利用微博用户信息提高话题追踪准确率.实验表明,在新浪微博数据集上,CNN-TTM和CNN-User TTM分别获得较高的微博话题追踪准确率.Aiming at feature sparseness and feature extraction of microblog text, a topic tracking model for Chinese microblog based on convolutional neural network （CNN-TTM） is proposed. Furthermore, user profiles and attributes are incorporated into CNN-TTM and a model called CNN-UserTTM is constructed. The user information of microblog is used to improve the accuracy of topic tracking. The experimental results demonstrate that CNN-TrM and CNN-UserTTM reach a high accuracy respectively on Sina microblog dataset.

关 键 词：话题追踪 卷积神经网络 词向量 微博分类 用户画像 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]