[发明专利]一种用于社交网络社区挖掘的时空LDA模型

权利要求书

1.一种用于社交网络社区挖掘的时空LDA模型，其特征在于，包括以下步骤：

(1)建立微博要素的表达式：用于对微博进行概念模型的建模，其中表达式为：d_i＝(W，t，l，r，u，c)，其中W表示该微博词袋，包含于词汇总表V＝{w₁，w₂，…，w_|V|}，w₁，w₂，…，w_|V|分别表示每个不同的词汇，t表示微博发布时间，l表示微博发布的地理位置，r表示微博所在潜在地理区域，u表示微博用户，c代表用户所在社区；

(2)对微博词汇制约的数学建模：用于描述不同空间、社区对微博词汇的影响力大小，包括空间和社区对微博词汇制约的数学建模，所述模型表达式为：

其中，表示存在背景主题-词汇分布，表示各潜在地理区域的主题-词汇分布，表示各社区的主题-词汇分布；

(3)微博时空主题模型建模：用于描述时间、区域及社区要素对微博的生成过程，所述微博主题的表达式为：

P(z|c,r)＝P(z|θ₀,θ_r,θ_c)＝Multi(z|θ₀+θ_r+θ_c)

其中，z表示已知主题，θ₀表示背景主题分布，θ_r表示区域r的主题分布均值，θ_c表示社区c的主题分布；

(4)微博时空主题模型参数计算：用于得到模型参数，从而确定用户属于社区的概率，基于最大期望算法方法和吉布斯采样法估计时空主题模型的参数。

2.根据权利要求1所述的一种用于社交网络社区挖掘的时空LDA模型，其特征在于：所述步骤(4)中最大期望算法方法包括对微博属于各潜在因子的概率进行采样的E步骤和通过梯度下降方法得到模型中各潜在因子梯度值的M步骤。

3.根据权利要求2所述的一种用于社交网络社区挖掘的时空LDA模型，其特征在于：所述E步骤中分别采用r_d、c_d和z_d表示各潜在因子中潜在地理区域r、社区c和主题z的概率，其中r_d、c_d和z_d分别表示为：

r_d～c_d×z_d×P(l_d|μ_r,∑_r)P(r|η₀,η_u)

c_d～r_d×z_d×P(c|γ_u)

其中，η₀为用户对区域选择的背景偏好参数，η_u为用户u对区域的选择偏好，l_d为微博地理坐标，μ_r为区域r的二维高斯分布的均值，γ_u为用户u隶属于各社区的概率，∑_r为区域r的二维高斯分布的方差，P(l_d|μ_r，∑_r)为微博处于区域r及位置l_d的概率，P(r|η₀,η_u)为在用户u和背景区域选择参数η_u、η₀下区域r出现的概率，P(c|γ_u)为u属于社区c的概率，ξ_z为主题z对应的时间多项式分布参数，P(Z|θ₀,θ_r,θ_c)为社区主题分布θ_c、区域主题分布θ_r，背景主题分布θ₀时的主题Z出现的概率，为在已知主题z的分布情况下，词汇w的生成概率。

4.根据权利要求2所述的一种用于社交网络社区挖掘的时空LDA模型，其特征在于：所述M步骤中分别采用和表示潜在因子中潜在地理区域r、社区c和主题z分布参数的梯度值，其中和分别表示为：

其中，d_u,r,z为用户u在潜在地理区域r发表的主题为z的微博数量，d_u,c,z为用户u在社区c发表主题为z的微博数量，d_u,z为用户发表主题为z的微博数量，d_u,r表示用户u在潜在地理区域r中所发微博数量，d_u,c为用户u隶属社区c时中所发微博数量。