网络虚拟学习社区重要用户与核心主题联合分析

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.

关键词：虚拟学习社区、超网络嵌入LDA模型、重要用户、核心主题、联合分析

所属期刊栏目：4

分类号：G434;TP391(电化教育)

资助基金：本文系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”;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”;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”

在线出版日期：2020-08-28（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：69-79