摘要
【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。
[Objective]This study automatically analyzes resources of a virtual learning community,aiming to address the issue of information overload.[Methods]We proposed a hyper-network LDA model based on the user-document-word cube.Then,we modified this LDA model with the help of word and user analysis.Finally,we improved the cohesiveness of topics in the hyper-network LDA model,through increasing the distribution probability of closely connected words or users for the same topics.[Results]Compared to the traditional social network analysis methods,the proposed LDA model can identify important users,key topics and the relationship among them,as well as user preferences with frequency matrix of user-vocabulary and distribution probability of user-topic.[Limitations]Hyper-network analysis theory is still developing and we only studied the weighted undirected network,which does not include the relationship of posting and replying.[Conclusions]The hypernetwork LDA model effectively analyzes topics of short texts and online interactions,which are of significance to users and online learning community managers.
作者
蔡永明
刘璐
王科唯
Cai Yongming;Liu Lu;Wang Kewei(Business School,University of Jinan,Jinan 250002,China;School of Economics and Management,Inner Mongolia University of Technology,Huhhot 010051,China)
出处
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2020年第6期69-79,共11页
Data Analysis and Knowledge Discovery
基金
国家社会科学基金项目“国家战略性新兴产业政策对关键核心技术创新影响机制与路径研究”(项目编号:19BGL038)
内蒙古社会科学规划重大项目“内蒙古供给侧结构性改革与创新发展研究”(项目编号:2018ZDA003)
内蒙古自治区自然科学基金项目“内蒙古绿色资源型企业动态能力对商业模式创新的作用机理研究”(项目编号:2018LH07006)的研究成果之一。
