大型在线论坛中基于对话角色的自我呈现特征的可扩展建模
机器学习
2015-12-14 v1 社会与信息网络
摘要
在线讨论论坛是重叠子社区（宏观结构，跨线程）的复杂网络，用户在特定时间点根据参与的子社区扮演不同角色（微观结构，线程内）。这种子网络结构隐含在大量的线程集合中。为揭示此结构，我们开发了一种基于随机变分推断的可扩展算法，并利用主题模型（LDA）以及混合成员随机块（MMSB）模型。我们在三个大规模数据集上评估我们的模型：Cancer-ThreadStarter（2.2万用户和1.44万线程）、Cancer-NameMention（1.51万用户和1.24万线程）和StackOverFlow（119万用户和455万线程）。在定性上，我们证明了我们的模型可以利用从帖子中发现的主题，对不同社区中的微观和宏观层面用户呈现特征提供有用的解释。在定量上，我们表明在预测线程内用户回复结构方面，我们的模型优于MMSB和LDA。此外，我们通过合成数据实验证明，所提出的活跃子网络发现模型是稳定的，并且以高概率恢复实验设置的原始参数。
引用
@article{arxiv.1512.03443,
title = {Scalable Modeling of Conversational-role based Self-presentation Characteristics in Large Online Forums},
author = {Abhimanu Kumar and Shriphani Palakodety and Chong Wang and Carolyn P. Rose and Eric P. Xing and Miaomiao Wen},
journal= {arXiv preprint arXiv:1512.03443},
year = {2015}
}