Mining Coherent Topics With Pre-Learned Interest Knowledge in Twitter
Mining Coherent Topics With Pre-Learned Interest Knowledge in Twitter
复制标题
在 Twitter 中利用预先学习的兴趣知识挖掘相关主题
DOI：
10.1109/access.2017.2696558
复制
发表时间：
2017
期刊：
影响因子：
3.9
通讯作者：
Changjun Jiang
中科院分区：
文献类型：
--
作者：
Yuan He;Cheng Wang;Changjun Jiang
从社交媒体中的大量用户生成内容(UGC)中发现语义连贯的主题将促进智能计算的许多下游应用。主题模型作为最强大的算法之一，已经得到了广泛的应用
Discovering semantic coherent topics from the large amount of user-generated content (UGC) in social media would facilitate many downstream applications of intelligent computing. Topic models, as one of the most powerful algorithms, have been widely used
登录
查看更多内容
DOI：
10.1145/1367497.1367512
发表时间：
2008-04
期刊：
--
影响因子：
--
作者：
Qiaozhu Mei;Deng Cai;Duo Zhang;ChengXiang Zhai
通讯作者：
Qiaozhu Mei;Deng Cai;Duo Zhang;ChengXiang Zhai
DOI：
10.1073/pnas.0307752101
发表时间：
2004-04-06
影响因子：
11.1
作者：
Griffiths, TL;Steyvers, M
通讯作者：
Steyvers, M
影响因子：
8.9
作者：
Yuan He;Cheng Wang;Changjun Jiang
通讯作者：
Yuan He;Cheng Wang;Changjun Jiang
DOI：
10.1109/icdm.2012.107
发表时间：
2012-12
期刊：
2012 IEEE 12th International Conference on Data Mining
影响因子：
--
作者：
Hyungsul Kim;Yizhou Sun;J. Hockenmaier;Jiawei Han
通讯作者：
Hyungsul Kim;Yizhou Sun;J. Hockenmaier;Jiawei Han
影响因子：
5.4
作者：
M. Michelson;Sofus A. Macskassy
通讯作者：
M. Michelson;Sofus A. Macskassy