Topic Derivation in Twitter(推特中的主题派生)-新葡亰496net|www.496.net|澳门新葡亰手机版【亚洲在线】

新葡亰496net|www.496.net|澳门新葡亰手机版【亚洲在线】

高级检索  全文检索  
当前位置:   新葡亰496net   >   讲座预告   >   正文

Topic Derivation in Twitter(推特中的主题派生)

发布日期:2019-11-12     文章来源:新葡亰496net计算机科学与技术学院      编辑:赵涵     点击:

报告题目:Topic Derivation in Twitter(推特中的主题派生)

报告时间:2019年11月15日 上午9:00

报告地点:计算机楼A521室

报告人:杨坚 教授

报告人简介:

杨坚,博士,澳大利亚麦考瑞大学计算机学院教授,澳洲计算机专委会财务长和秘书长。1995年毕业于澳大利亚国立大学,获多数据库系统领域博士学位。她曾就职于荷兰蒂尔堡大学、澳大利亚CSIRO数学与信息科学实验室、新南威尔士大学计算机科学学院。迄今为止,杨坚教授已在国际会议及期刊发表了200多篇高水平论文,包含IEEE Transactions, ACM Transactions,Information Systems, Data & Knowledge Engineering, CACM, VLDB, ICDE,ICDM,ICDCS, CAiSE, CoopIS, CIKM等。杨坚教授是ICSOC会议(CCF推荐B类会议)的创始人之一,并常年担任steering chair一职。此外,她也是多个国际会议的PC member,如ICDE, CAiSE, ER, CoopIS, ICSOC, BPM, ICWS, SCC, WISE等。她还是诸多国际期刊的常规审稿人,如IEEE Transaction on Knowledge & Data Engineering ,Data & Knowledge Engineering ,VLDB Journal, IEEE Internet Computing等。

报告内容简介:

基于社交网络大数据分析的相关研究有很多,但现存的分析方法一般都是采用推文内容的各种语义特征(semantic features),大多忽略了推文之间的交互作用。杨坚教授及其研究小组提出了一种新颖的主题推导方法,考虑了推文之间的交互作用(interactions),同时还考虑了用户的行为(actions)和推文的内容(contents)。主题是通过在推文的交互特征和语义特征上联合执行两步矩阵分解得到的。通过对一段时间内收集到的推文进行了大量实验检测,表明所提出的方法始终优于其他先进的主题推导方法,如LDA、NMF和TNMF等模型。实验还表明,推文之间的交互可以显著缓解由推文的短文本性质造成的稀疏性问题。

我要评论:
 匿名发布 验证码 看不清楚,换张图片
0条评论    共1页   当前第1

相关文章

  • 读取内容中,请等待...

地址:吉林省长春市前进大街2699号
E-mail:jlunewsnet@163.com
Copyright©2012 All rights reserved.
吉林大学党委宣传部 版权所有

手机版