استفاده از خوشه بندی تکاملی برای تشخیص موضوع در بلاگ نویسی کوچک با لحاظ نمودن اطلاعات شبکه اجتماعی

متون کوتاه رسانه های اجتماعی مانند توییتر اطلاعات زیادی در مورد موضوع های داغ و افکار عمومی ارائه می دهند. برای درک بهتر اطلاعات دریافتی از شبکه های اجتماعی، شناسایی و ردیابی موضوع امری ضروری است. در بسیاری از روش های ارائه شده در این زمینه، تعداد موضوع ها باید از پیش مشخص باشد و نمی تواند در طول زمان تغییر کند. از این منظر، این روش ها برای داده های در حال افزایش و پویا مناسب نیستند. همچنین مدل های تکاملی موضوعی غیر پارامتری به دلیل مشکل کمبود داده ها، بر روی متون کوتاه عملکرد مناسبی ندارند. در این مقاله، یک مدل خوشه بندی تکاملی جدید ارائه کرده ایم که به طور ضمنی از فرایند رستوران چینی وابسته به فاصله (dd-CRP) الهام گرفته است. در روش ارائه شده برای حل مشکل کمبود داده ها، از اطلاعات شبکه اجتماعی در کنار شباهت متنی، برای بهبود ارزیابی شباهت بین توییت ها استفاده شده است. همچنین در روش پیشنهادی، برخلاف اکثر روش های مطرح شده در این زمینه، تعداد خوشه ها به صورت خودکار محاسبه می شود. در واقع در این روش، توییت ها با احتمالی متناسب با شباهتشان به هم متصل می شوند و مجموعه ای از این اتصال ها یک موضوع را تشکیل می دهد. برای افزایش سرعت اجرای الگوریتم، از یک روش خلاصه سازی مبتنی بر خوشه بندی استفاده نموده ایم. ارزیابی روش بر روی مجموعه داده واقعی که در طول دو ماه و نیم از شبکه اجتماعی توییتر جمع آوری شده است، انجام می شود. ارزیابی به صورت خوشه بندی متون و مقایسه بین آنها می باشد. نتایج ارزیابی نشان می دهد که روش پیشنهادی نسبت به روش های مقایسه شده دارای انسجام موضوعی بهتری بوده و می تواند به طور موثر برای تشخیص موضوع بر روی متون کوتاه رسانه های اجتماعی استفاده گردد.