基于知识图谱和LDA模型的社会媒体数据抽取

来源：华东师范大学学报·哲学社会科学版杂志2018年第5期北京时间：

作者：麻友, 岳昆, 张子辰, 王笑一, 郭建斌

单位：麻友,男,硕士研究生,研究方向为海量数据处理与知识发现.E-mail:1172880152@qq.com.

摘要：社会媒体数据的抽取，是社会舆论集散、新闻信息传播、企业品牌推广、商业营销拓展等研究和应用的基础，准确的抽取结果是数据分析有效性的重要保证.本文针对社会媒体数据的非结构、多主题特征，基于LDA（Latent DirichletAllocation）模型挖掘数据中的隐含主题，利用数据特征词序列和知识图谱描述的实体及实体间的关联关系，实现对特定领域数据的抽取.建立在"今日头条"新闻数据和新浪微博数据之上的实验结果表明，本文提出的方法能有效地实现社会媒体数据的抽取.

关键词：社会媒体数据,数据抽取,隐含狄利克雷分配,知识图谱,

基金资助：国家自然科学基金（61472345）；云南大学青年英才培育计划（WX173602）；云南大学科研基金（2017YDJQ06）；云南大学研究生科研创新基金（Y2000211）