基于异构图神经网络的社交媒体文本主题聚类

摘要：

[目的]针对社交媒体文本数据存在的语义稀疏及多元主体交互问题,探索有效的主题聚类方法.[方法]利用异构信息网络对社交媒体的用户和信息多元交互关系进行建模,使用词嵌入方法学习文本的向量表示作为初始输入特征,基于异构图神经网络实现信息的传播及融合,学习文本表示向量并利用无监督聚类算法进行主题聚类.[结果]在基准社交媒体数据集上,帖子和评论的聚类指标(NMI)分别达到0.837 2和0.868 9,优于传统的LDA主题模型或基于Word2Vec、Doc2Vec、GolVe等词或文本嵌入向量直接聚类的方法.[局限]由于数据的限制,模型并未对用户间社交关系及信息的多媒体内容进行建模.[结论]本文方法通过对社交媒体多元交互关系进行建模,能有效提高文本主题聚类的效果.

关键词：社交媒体、主题聚类、多元交互、异构信息网络、图神经网络

所属期刊栏目：6

分类号：TP391;G35(计算技术、计算机技术)

资助基金：教育部人文社会科学研究项目;国家自然科学基金

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：9-19