社会图谱上的LDA

在我的 以前的帖子 我指出我面临各种半监督的问题，并且我希望在社交图中利用LDA来构建特征表示，以提高我在各种分类任务上的性能。既然我已经真正做到了，我想我会分享一些结果。

图上的LDA

该策略是将社交图的每个顶点处的边集视为文档，然后将LDA应用于生成的文档语料库，类似于 张等等 由于我正在考虑Twitter的社交图谱，因此潜在因素可能代表兴趣或社区，但实际上我并不在乎，只要所得到的功能改善了我的监督分类器即可。

当LDA首次应用于Computer Vision时，它基本上未经修改就被首次应用 取得了一些成功。然后将生成模型调整到问题域以提高性能（例如，在Computer Vision的情况下，通过合并 空间结构）。这样做是出于非常实际的原因：当您应用标准生成模型时，您就可以利用他人的优化和正确实现！出于同样的原因，我在这里坚持使用原始的LDA，但是我发现有些方面并不完美。

• 在有向社交图（例如Twitter）上，有两种边缘，类似于文档中存在的两种不同标记。 LDA只有一种令牌类型。可以通过在每个边缘前面加上“ +”或“-”指示方向来解决此问题。在实践中，我仅通过对输出边进行建模（即有人跟随的一组人）来回避此问题。
  
• 一个边在边集中只能存在一次，而使用香草LDA，令牌可以在文本文档中多次出现。考虑到边缘发射概率之间的这种负相关性可能会改善结果。
  

广泛的社会话题

即使我实际上并不关心了解潜在因素，也可以用来娱乐博客。所以现在找乐子。我从Twitter用户的随机样本中对边缘集运行了10个主题的LDA模型，以便获得图形结构的广泛概述。以下是每个主题的十大最可能的Twitter帐户：

1	Ugglytruth globovision LuisChataing juanes tusabiasque AlejandroSanz Calle13Oakly Shakira Erikadlv ChiguireBipolar ricky_martin BlackberryVzla miabuelasabia CiudadBizarra ElUniversal chavezcandanga luisfonsi ElChisteDelDia noticias24
2	detikcom SoalCINTA sherinamunaf Metro_TV soalBOWBOW radityadika kompasdotcom TMCPoldaMetro IrfanBachdim10 ayatquran agnezmo pepatah AdrieSubono desta80s Cinema21 Fitrop vidialdiano ihatequotes sarseh
3	RevRunWisdom NICKIMINAJ drakkardnoir TreySongz kanyewest chrisbrown iamdiddy myfabolouslife KevinHart4real LilTunechi KimKardashian MissKeriBaby 50cent RealWizKhalifa lilduval MsLaurenLondon BarackObama Ludacris Tyrese
4	justinbieber radityadika Poconggg IrfanBachdim10 snaptu AdrieSubono MentionKe TheSalahGaul vidialdiano FaktanyaAdalah TweetRAMALAN soalBOWBOW unfollowr disneywords DamnItsTrue SoalCINTA sherinamunaf widikidiw PROMOTEforfor
5	NICKIMINAJ KevinHart4real TreySongz RevRunWisdom RealWizKhalifa chrisbrown drakkardnoir Wale kanyewest lilduval Sexstrology myfabolouslife LilTunechi ZodiacFacts106andpark Ba​​rackObama Tyga FreakyFact KimKardashian
6	ConanOBrien cnnbrk shitmydadsays BarackObama THE_REAL_SHAQ Theion jimmyfallon nytimes StephenAtHome BreakingNews mashable google BillGates rainnwilson twitter espn ochocinco TIME SarahKSilverman
7	Ladygaga KimKardashian katyperry taylorswift13布兰妮斯皮尔斯PerltonHilton KhloeKardashian aplusk TheEllenShow KourtneyKardash rihanna jtimberlake justinbieber RyanSeacrest ParisHilton nicolerichie LaurenConrad selenagomez Pink
8	iambdsami Z33kCare4women DONJAZZYMOHITS MriLL87WiLL chineyIee NICKIMINAJ MrStealYaBitch FreddyAmazin制片人Hitmann MI_Abaga DoucheMyCooch WomenLoveBrickz Uncharted_ WhyYouMadDoe MrsRoxxanne I_M_Ronnie B？
9	Woodytalk vajiramedhi chocoopal PM_Abhisit js100radio kalamare Trevornoah GarethCliff suthichai Domepakornlam ploy_chermarn crishorwang paulataylor Noom_Kanchai jjetrin Khunnie0624 ThaksinLive DJFreshSA R​​adioblogger
10	myfabolouslife IAMBIGO NICKIMINAJ GuessImLucky DroManoti GFBIVO90 Sexstrology FASTLANE_STUDDA PrettyboiSunny Ms_MAYbeLLine ZodiacFacts FlyLikeSpace RobbRF50PKF CLOUD9ACE Jimmy_Smacks LadieoloGistPKF TreySongz Prince_Japan

大致而言，我看到西班牙裔（主题1），亚洲（主题2），嘻哈（主题3），具有西方影响力的亚洲人（主题4），具有占星学影响力的嘻哈（主题5），新闻和喜剧（主题6） ，北美名人（主题7），嘻哈（主题8），亚洲（主题9）和嘻哈（主题10）。

是的，这些数据是在查理·希恩（Charlie Sheen）之前收集的 暴涨.

shitmydadsays是一个新闻网站

实际上，主题6确实令人着迷。也许最好将其称为“新闻速递之类”。毫无疑问，新闻兴趣和喜剧兴趣是相交的，但因果关系尚不清楚：是否需要观看新闻以了解笑话，还是需要通过笑话来避免在观看新闻后出现严重的沮丧情绪？

贾斯汀·贝伯的文化多义性

使用LDA分析文本时，针对多个主题具有较高发射概率的标记通常具有多种含义。在这里，我们看到Justinbieber对于主题4和7的发射概率很高，否则主题分别是亚洲和北美。一种解释是，贾斯汀比伯的吸引力跨越了两种文化。