高儼 劉亞娟 周玉國(guó) 沈梅 常琳

摘? ?要：校友導(dǎo)師是指邀請(qǐng)優(yōu)秀校友擔(dān)任在校學(xué)生的培養(yǎng)導(dǎo)師。文章在對(duì)校友導(dǎo)師分類(lèi)的基礎(chǔ)上，結(jié)合高校人才培養(yǎng)過(guò)程中存在的問(wèn)題，從實(shí)踐操作的角度，提出校友導(dǎo)師數(shù)字標(biāo)簽構(gòu)建的層次結(jié)構(gòu)，嘗試?yán)肔DA模型對(duì)校友導(dǎo)師行業(yè)類(lèi)數(shù)字標(biāo)簽進(jìn)行構(gòu)建，為研究校友導(dǎo)師用戶(hù)畫(huà)像提供了一種可實(shí)踐的方法，促進(jìn)在校生對(duì)校友導(dǎo)師的選擇，提高雙方匹配程度，探索校友工作，促進(jìn)高校人才培養(yǎng)。

關(guān)鍵詞：校友導(dǎo)師;用戶(hù)畫(huà)像;數(shù)字標(biāo)簽;LDA模型

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-8454（2021）11-0041-04

校友是高校寶貴的人力資源，校友導(dǎo)師計(jì)劃是由學(xué)校聘請(qǐng)優(yōu)秀校友擔(dān)任校外導(dǎo)師，通過(guò)項(xiàng)目、講座、論壇等形式，搭建校友與在校生溝通、交流、學(xué)習(xí)、指導(dǎo)的平臺(tái)，激發(fā)學(xué)生學(xué)習(xí)熱情、規(guī)劃學(xué)業(yè)目標(biāo)、積累創(chuàng)業(yè)經(jīng)驗(yàn)、擴(kuò)展學(xué)業(yè)半徑的創(chuàng)新創(chuàng)業(yè)類(lèi)活動(dòng)。校友導(dǎo)師與在校生具有天然的聯(lián)系，他們具有相似的入學(xué)背景，接受過(guò)相同的教育資源培養(yǎng)，了解母校的學(xué)風(fēng)、教風(fēng)和校園文化，具備較高的認(rèn)同感和相近的價(jià)值觀。校友離開(kāi)母校經(jīng)歷社會(huì)實(shí)踐后，對(duì)學(xué)校在培養(yǎng)人才過(guò)程中存在的優(yōu)勢(shì)和不足具有更多的感悟，在參與母校人才培養(yǎng)過(guò)程中更具有針對(duì)性和目標(biāo)性，擔(dān)當(dāng)導(dǎo)師能夠大大提升學(xué)生創(chuàng)新創(chuàng)業(yè)實(shí)踐的質(zhì)量。

一、校友導(dǎo)師類(lèi)別及內(nèi)涵

在開(kāi)展校友導(dǎo)師計(jì)劃的實(shí)踐中，根據(jù)校友導(dǎo)師自身參與學(xué)校人才培養(yǎng)方式的特點(diǎn)，可將校友導(dǎo)師分為學(xué)業(yè)指導(dǎo)類(lèi)導(dǎo)師、職業(yè)咨詢(xún)類(lèi)導(dǎo)師和創(chuàng)業(yè)指導(dǎo)類(lèi)導(dǎo)師三類(lèi)。

1.學(xué)業(yè)指導(dǎo)類(lèi)導(dǎo)師

該類(lèi)導(dǎo)師在校期間，學(xué)習(xí)成績(jī)優(yōu)異，社會(huì)實(shí)踐、創(chuàng)新能力、綜合素質(zhì)等方面表現(xiàn)突出，在學(xué)術(shù)研究上取得顯著成績(jī)。開(kāi)展教學(xué)時(shí)主要以在校期間的學(xué)業(yè)、科研、生活和社會(huì)實(shí)踐等內(nèi)容為主題組織論壇分享，可以用榜樣的力量啟發(fā)在校學(xué)生在大學(xué)生活中確立發(fā)展目標(biāo)，規(guī)劃發(fā)展道路，形成良好的學(xué)風(fēng)、校風(fēng)，增強(qiáng)校園的活力，有助于樹(shù)立良好的社會(huì)風(fēng)尚。

2.職業(yè)咨詢(xún)類(lèi)導(dǎo)師

該類(lèi)導(dǎo)師在行業(yè)和專(zhuān)業(yè)領(lǐng)域內(nèi)有豐富的工作經(jīng)驗(yàn)，具有較強(qiáng)的演講能力、溝通能力與親合能力，具備彈性時(shí)間，能講授學(xué)生關(guān)心的行業(yè)熱點(diǎn)問(wèn)題。組織教學(xué)時(shí)主要通過(guò)講座、論壇、會(huì)面、電話、郵件及新媒體技術(shù)與學(xué)生進(jìn)行深入探討交流，對(duì)學(xué)生的咨詢(xún)能及時(shí)給予回復(fù)，能根據(jù)學(xué)生實(shí)際情況進(jìn)行個(gè)人成長(zhǎng)與發(fā)展方面的指導(dǎo)，幫助學(xué)生做好成長(zhǎng)與發(fā)展規(guī)劃。

3.創(chuàng)業(yè)指導(dǎo)類(lèi)導(dǎo)師

該類(lèi)導(dǎo)師在專(zhuān)業(yè)領(lǐng)域內(nèi)富有創(chuàng)業(yè)經(jīng)驗(yàn)，能結(jié)合自身閱歷、專(zhuān)業(yè)背景及實(shí)際情況，為在校生設(shè)立創(chuàng)業(yè)實(shí)操項(xiàng)目，同時(shí)也愿意接受學(xué)校對(duì)該項(xiàng)目的審核及管理，并與學(xué)校保持順暢溝通。組織教學(xué)時(shí)主要與在校學(xué)生形成傳、幫、帶、結(jié)對(duì)子的形式，在創(chuàng)業(yè)項(xiàng)目實(shí)施過(guò)程中，親自參與指導(dǎo)學(xué)生，切實(shí)幫助學(xué)生激發(fā)創(chuàng)業(yè)熱情、學(xué)習(xí)創(chuàng)業(yè)知識(shí)、提升創(chuàng)業(yè)能力。

在校生參與到校友導(dǎo)師計(jì)劃時(shí)需對(duì)校友導(dǎo)師進(jìn)行選擇，要綜合考慮導(dǎo)師類(lèi)型、行業(yè)屬性、教學(xué)風(fēng)格、教學(xué)計(jì)劃、自身的時(shí)間計(jì)劃、發(fā)展需求等各個(gè)維度的信息。因此，一個(gè)有效的校友導(dǎo)師身份畫(huà)像可以讓學(xué)生在選擇校友導(dǎo)師的過(guò)程中獲得一個(gè)較為清晰、完整的導(dǎo)師概念，使其在參與導(dǎo)師項(xiàng)目時(shí)更有針對(duì)性和有效性，是開(kāi)展校友導(dǎo)師工作一個(gè)有效的技術(shù)手段。

二、用戶(hù)畫(huà)像構(gòu)建方法

用戶(hù)畫(huà)像也稱(chēng)用戶(hù)角色，這個(gè)概念由交互設(shè)計(jì)之父Alan Cooper首先提出，作為一種以用戶(hù)為中心的交互設(shè)計(jì)工具，其目標(biāo)是形成一組抽象的、高度精煉的特征標(biāo)識(shí)，進(jìn)而完成研究對(duì)象的深層次刻畫(huà)。

現(xiàn)有的研究中存在著兩類(lèi)刻畫(huà)用戶(hù)畫(huà)像的方法：一類(lèi)是對(duì)目標(biāo)對(duì)象進(jìn)行人為抽象，進(jìn)而形成能代表其典型特征的數(shù)字標(biāo)簽體系。其特點(diǎn)是依靠行業(yè)內(nèi)專(zhuān)家，憑借其專(zhuān)業(yè)素養(yǎng)，對(duì)目標(biāo)給予直覺(jué)評(píng)價(jià)，形成標(biāo)簽體系。其主觀因素影響較大，不同的行業(yè)內(nèi)專(zhuān)家可能會(huì)形成不同的標(biāo)簽體系，同時(shí)在目標(biāo)對(duì)象發(fā)展變化過(guò)程中，維護(hù)難度較大。另一類(lèi)是通過(guò)收集目標(biāo)對(duì)象相關(guān)的信息、行為、觀點(diǎn)等數(shù)據(jù)，經(jīng)過(guò)相關(guān)技術(shù)形成目標(biāo)對(duì)象的數(shù)字特征標(biāo)簽集合，這些基礎(chǔ)性工作能根據(jù)用戶(hù)畫(huà)像表示的用戶(hù)特征通過(guò)可視化數(shù)據(jù)圖表分析用戶(hù)需求。[1]其特點(diǎn)是直接從相關(guān)數(shù)據(jù)中提取、提煉信息，減少標(biāo)簽體系建立過(guò)程中人為主觀因素的影響，進(jìn)而形成統(tǒng)一的、可更新的、維護(hù)難度低的標(biāo)簽體系，但存在數(shù)據(jù)稀疏性和情感分析偏差較大等問(wèn)題，同時(shí)由于標(biāo)簽體系主要依據(jù)歷史數(shù)據(jù)形成，因此對(duì)于前瞻性的用戶(hù)變化趨勢(shì)不能很好刻畫(huà)。綜上，一套較為客觀的標(biāo)簽應(yīng)該是綜合以上兩類(lèi)方法的優(yōu)點(diǎn)、從數(shù)據(jù)的角度得到明確的體系，同時(shí)能結(jié)合主觀分析，對(duì)目標(biāo)對(duì)象的時(shí)空動(dòng)態(tài)進(jìn)行概括性總結(jié)。

在實(shí)踐過(guò)程中，用戶(hù)畫(huà)像構(gòu)建方法主要有六種：[2]①基于設(shè)計(jì)與思維;②基于本體或概念;③基于主題或話題模型（LDA）;④基于興趣或偏好;⑤基于行為或日志;⑥基于多維或融合。其中基于主題或話題模型主要是通過(guò)LDA主題模型發(fā)現(xiàn)文本信息中隱含的主題或話題， 進(jìn)而據(jù)此刻畫(huà)出用戶(hù)，其具有較好的建模能力和較低的運(yùn)算復(fù)雜度，屬于一種非監(jiān)督的機(jī)器學(xué)習(xí)技術(shù)。[2]范哲[3]通過(guò)訪談法收集用戶(hù)相關(guān)數(shù)據(jù)，抽取用戶(hù)行為過(guò)程中的階段性特征構(gòu)建多種典型的用戶(hù)畫(huà)像。徐彬等[4]深入分析了微博用戶(hù)數(shù)據(jù)，總結(jié)了微博用戶(hù)標(biāo)簽的特點(diǎn)，對(duì)微博用戶(hù)標(biāo)簽運(yùn)用主題模型分析計(jì)算用戶(hù)的主題分布，對(duì)標(biāo)簽詞進(jìn)行聚類(lèi)，并最終為用戶(hù)推薦標(biāo)簽。阮光冊(cè)[5]針對(duì)網(wǎng)絡(luò)用戶(hù)評(píng)論信息，提出基于LDA主題發(fā)現(xiàn)模型對(duì)網(wǎng)絡(luò)評(píng)論進(jìn)行主題發(fā)現(xiàn)的研究。通過(guò)LDA主題模型將用戶(hù)評(píng)論的內(nèi)容映射到主題上，實(shí)現(xiàn)對(duì)用戶(hù)評(píng)論信息主題的發(fā)現(xiàn)。傅魁等[6]結(jié)合語(yǔ)義分析和概率模型提出了一種基于主題模型的虛擬社區(qū)用戶(hù)建模方法，有效地解決了虛擬社區(qū)用戶(hù)生成內(nèi)容存在的問(wèn)題。范宇等[7]將LDA 模型用于專(zhuān)利信息聚類(lèi)，通過(guò)結(jié)合使用 OPTICS 算法和 k 近鄰準(zhǔn)則，大幅度降低專(zhuān)利信息表示的維度，同時(shí)能夠高效地實(shí)現(xiàn)信息自動(dòng)聚類(lèi)，從而提高了專(zhuān)利分析的效率。姜曉偉等[8]將主題模型用于微博重要話題發(fā)現(xiàn)與排序方法，提出了一種特定產(chǎn)品相關(guān)的微博重要話題發(fā)現(xiàn)和排序方法，這種方法兼顧話題的影響力、突發(fā)性和相關(guān)性，關(guān)鍵詞之間聯(lián)系更緊密，語(yǔ)義相關(guān)性更強(qiáng)，其表現(xiàn)的話題更凝聚。

三、校友導(dǎo)師標(biāo)簽的構(gòu)建

1.標(biāo)簽的層次結(jié)構(gòu)

校友導(dǎo)師標(biāo)簽的構(gòu)建，是信息不斷提煉和抽象的過(guò)程，應(yīng)具有以下層級(jí)結(jié)構(gòu)。

（1）原始數(shù)據(jù)層

原始數(shù)據(jù)是指校友導(dǎo)師在校期間和畢業(yè)之后形成的歷史數(shù)據(jù)信息。主要包括學(xué)籍信息、在校期間學(xué)習(xí)成績(jī)和獎(jiǎng)勵(lì)信息、工作簡(jiǎn)歷、工作業(yè)績(jī)、歷屆在校生對(duì)校友導(dǎo)師的評(píng)價(jià)、導(dǎo)師開(kāi)展工作計(jì)劃等相關(guān)信息。

（2）特征提取層

該層需要應(yīng)用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、統(tǒng)計(jì)分析等相關(guān)技術(shù)手段，對(duì)原始數(shù)據(jù)層進(jìn)行清洗、提煉、抽象，從深層次來(lái)體現(xiàn)目標(biāo)特征信息。比如可以通過(guò)TF-IDF、TextRank、LDA等文本挖掘算法，結(jié)合K均值、DBSccan等分類(lèi)聚類(lèi)算法發(fā)現(xiàn)校友導(dǎo)師的聚集特征;通過(guò)Apriori、SVD矩陣分解等推薦算法形成與在校生需求匹配度高的校友導(dǎo)師推薦排序列表。

（3）標(biāo)簽表示層

該層通過(guò)特征提取層獲得的凝練信息，對(duì)校友導(dǎo)師相關(guān)業(yè)務(wù)關(guān)注點(diǎn)進(jìn)行標(biāo)簽化展示。該層是整個(gè)標(biāo)簽化過(guò)程中的重點(diǎn)，因此在標(biāo)簽化的過(guò)程中，應(yīng)充分結(jié)合主、客觀標(biāo)簽化方法的優(yōu)點(diǎn)，使標(biāo)簽刻畫(huà)能準(zhǔn)確地概括目標(biāo)群體信息。標(biāo)簽的最終結(jié)果可以讓學(xué)生根據(jù)自身需要迅速獲得校友導(dǎo)師關(guān)注點(diǎn)，同時(shí)也為校友導(dǎo)師提供一種反饋，不斷調(diào)整自身組織活動(dòng)或項(xiàng)目的形式與內(nèi)容。

2.基于LDA模型的校友導(dǎo)師行業(yè)標(biāo)簽提取

依據(jù)本文的標(biāo)簽構(gòu)建層次結(jié)構(gòu)，將LDA主題模型應(yīng)用于校友導(dǎo)師行業(yè)類(lèi)標(biāo)簽提取流程。通過(guò)一個(gè)高度濃縮的詞語(yǔ)讓學(xué)生了解校友導(dǎo)師行業(yè)屬性，同時(shí)利用該標(biāo)簽進(jìn)行分類(lèi)索引，也便于學(xué)校對(duì)校友導(dǎo)師分組管理。

LDA（Latent Dirichlet Allocation）是一種文本生成模型，其屬于一個(gè)三層貝葉斯概率模型，構(gòu)建了詞、主題、文檔三層結(jié)構(gòu)。[9]首先根據(jù)詞的層次，采用了詞袋模型，將所有文檔的詞語(yǔ)形成一個(gè)詞典;其次根據(jù)主題的層次，每個(gè)主題都有基于詞典的詞分布，詞分布為多項(xiàng)分布，其參數(shù)滿(mǎn)足Dirichlet分布;最后根據(jù)文檔的層次，將每篇文檔視為由詞頻組成的向量，并且有各自基于主題的概率分布，該分布是一個(gè)多項(xiàng)分布，同時(shí)其參數(shù)也滿(mǎn)足Dirichlet分布。對(duì)于一篇文檔的某個(gè)詞，首先從該文檔的主題分布中采樣一個(gè)主題，然后在這個(gè)主題對(duì)應(yīng)的詞分布中采樣一個(gè)詞，不斷重復(fù)上面的這個(gè)過(guò)程，直至遍歷文檔中的每一個(gè)單詞。

基于LDA模型對(duì)校友導(dǎo)師身份進(jìn)行數(shù)字化標(biāo)簽過(guò)程中，首先假設(shè)存在K個(gè)校友數(shù)字標(biāo)簽、M個(gè)校友文檔，每個(gè)校友文檔看成由Nm個(gè)單詞組成的一個(gè)向量，所有的單詞組成一個(gè)大的詞庫(kù)VOC。其次，第m個(gè)校友可形成基于數(shù)字標(biāo)簽下的概率向量θm;第k個(gè)數(shù)字標(biāo)簽，基于詞庫(kù)VOC形成一個(gè)對(duì)應(yīng)的概率向量？覫k，并且第m個(gè)校友文檔描述中第n個(gè)詞對(duì)應(yīng)的數(shù)字化標(biāo)簽定義為Zmn?；谝陨霞僭O(shè)，其LDA模型可用圖1表示。

給定校友文檔形成的集合，wmn是可以觀察到的已知變量，α、β為服從Dirichlet分布的先驗(yàn)參數(shù)，Zmn、θm、？覫n是需要通過(guò)Gibbs Sampling過(guò)程來(lái)不斷逼近真實(shí)值的隱含變量。在采樣過(guò)程中每次選取一個(gè)向量維度，用其他維度的變量值來(lái)采樣當(dāng)前選取的向量維度，不斷迭代以上過(guò)程，直到收斂輸出隱含變量。[10]具體過(guò)程如下。

首先，對(duì)校友導(dǎo)師詞庫(kù)VOC中的每個(gè)詞分別賦值一個(gè)隨機(jī)的數(shù)字化標(biāo)簽K0。

其次，對(duì)于可觀測(cè)變量wmn，統(tǒng)計(jì)每個(gè)數(shù)字化標(biāo)簽k下，當(dāng)前觀測(cè)結(jié)果wmn=t 的數(shù)量以及每個(gè)校友文檔中出現(xiàn)當(dāng)前標(biāo)簽k的數(shù)量，并且利用其他詞語(yǔ)的分布來(lái)估計(jì)當(dāng)前觀測(cè)結(jié)果的分布，即p（k|k-i，？覫，θ）。

再次，獲得當(dāng)前觀測(cè)結(jié)果在所有標(biāo)簽下的概率后，為它采樣一個(gè)新的主題。

最后，循環(huán)以上過(guò)程，更新下一個(gè)詞的標(biāo)簽，直到參數(shù)？覫、θ收斂到平穩(wěn)，算法停止。

3.校友導(dǎo)師行業(yè)標(biāo)簽提取結(jié)果

實(shí)驗(yàn)中收集了有效信息共計(jì)297條數(shù)據(jù)。先對(duì)文本進(jìn)行規(guī)范性處理，包括分詞，記錄停用詞詞庫(kù)的構(gòu)建;同時(shí)根據(jù)分詞的結(jié)果將所有的校友企業(yè)行業(yè)信息形成一個(gè)詞向量空間。計(jì)算每個(gè)詞語(yǔ)的TF-IDF值，在此基礎(chǔ)上形成校友行業(yè)信息的語(yǔ)料庫(kù)。最后，對(duì)上面形成的語(yǔ)料庫(kù)進(jìn)行LDA分析，同時(shí)發(fā)現(xiàn)，將α、β設(shè)置為0.01和0.5時(shí)效果最佳，設(shè)置形成9個(gè)類(lèi)別校友數(shù)字標(biāo)簽的分類(lèi)結(jié)果，迭代次數(shù)為1000次，得到校友導(dǎo)師身份標(biāo)簽，如表1所示。

其中，某個(gè)行業(yè)標(biāo)簽下的關(guān)鍵詞分布排序如圖2所示。

對(duì)于每個(gè)校友導(dǎo)師，可獲得其在每個(gè)標(biāo)簽身份上的分布概率，隨機(jī)選擇4位導(dǎo)師，可得表2所示相應(yīng)的標(biāo)簽概率分布。

同時(shí)可獲得相應(yīng)校友導(dǎo)師在標(biāo)簽上的分布圖，如圖3所示。

從表1中的詞分布中可結(jié)合人工經(jīng)驗(yàn)歸納出各校友導(dǎo)師身份的數(shù)字標(biāo)簽，標(biāo)簽1是關(guān)于農(nóng)業(yè)種植、養(yǎng)殖類(lèi)行業(yè)導(dǎo)師;標(biāo)簽2是關(guān)于工業(yè)工程行業(yè)類(lèi)導(dǎo)師;標(biāo)簽3是關(guān)于商業(yè)服務(wù)類(lèi)導(dǎo)師;標(biāo)簽4是關(guān)于醫(yī)藥健康服務(wù)類(lèi)行業(yè)導(dǎo)師;標(biāo)簽5是關(guān)于生活服務(wù)類(lèi)行業(yè)導(dǎo)師;標(biāo)簽6是關(guān)于旅游服務(wù)類(lèi)行業(yè)導(dǎo)師;標(biāo)簽7是關(guān)于教育培訓(xùn)類(lèi)行業(yè)導(dǎo)師;標(biāo)簽8是關(guān)于物流物質(zhì)供銷(xiāo)類(lèi)行業(yè)導(dǎo)師;標(biāo)簽9是關(guān)于保險(xiǎn)類(lèi)行業(yè)導(dǎo)師。

四、結(jié)語(yǔ)

學(xué)校在人才培養(yǎng)和教學(xué)改革發(fā)展過(guò)程中，校友可以憑借對(duì)母校學(xué)科設(shè)置、師資力量和科研水平的熟悉程度，結(jié)合其就業(yè)經(jīng)歷、專(zhuān)業(yè)素養(yǎng)、創(chuàng)業(yè)經(jīng)驗(yàn)和失敗教訓(xùn)，通過(guò)擔(dān)任校友導(dǎo)師參與到職業(yè)發(fā)展規(guī)劃、創(chuàng)新創(chuàng)業(yè)教育過(guò)程中，把學(xué)業(yè)信息、就業(yè)信息、行業(yè)信息、科技信息及相關(guān)經(jīng)驗(yàn)傳授給在校學(xué)生，是新常態(tài)下推動(dòng)高校育人模式轉(zhuǎn)變的有益探索與實(shí)踐。

校友導(dǎo)師身份標(biāo)簽的構(gòu)建可以讓學(xué)生在參與校友導(dǎo)師計(jì)劃過(guò)程中，首先獲得對(duì)導(dǎo)師清晰完整形象的把握，提升導(dǎo)師計(jì)劃與學(xué)生之間的匹配程度。本文基于校友導(dǎo)師計(jì)劃提出了校友導(dǎo)師標(biāo)簽構(gòu)建的層級(jí)結(jié)構(gòu)，同時(shí)通過(guò)利用LDA模型對(duì)構(gòu)建校友導(dǎo)師行業(yè)類(lèi)數(shù)字標(biāo)簽進(jìn)行探索，為提高校友信息的區(qū)分度，使用詞語(yǔ)的TF-IDF值構(gòu)建模型。今后，將結(jié)合學(xué)生對(duì)校友導(dǎo)師的評(píng)價(jià)及情感分析進(jìn)一步提升校友導(dǎo)師數(shù)字標(biāo)簽的準(zhǔn)確性和實(shí)用性。

參考文獻(xiàn)：

[1]黃文彬，徐山川，吳家輝等.移動(dòng)用戶(hù)畫(huà)像構(gòu)建研究[J].現(xiàn)代情報(bào)，2016，36（10）：54-61.

[2]高廣尚.用戶(hù)畫(huà)像構(gòu)建方法研究綜述[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2019，3（3）：25-35.

[3]范哲.基于用戶(hù)畫(huà)像的數(shù)字原住民社會(huì)化媒體采納意愿的階段性分析[J].現(xiàn)代情報(bào)， 2017，37（6）：99-106.

[4]徐彬，楊丹，張昱等.面向微博用戶(hù)標(biāo)簽推薦的關(guān)系約束主題模型[J].計(jì)算機(jī)科學(xué)與探索， 2014，8（3）：288-295.

[5]阮光冊(cè).基于LDA的網(wǎng)絡(luò)評(píng)論主題發(fā)現(xiàn)研究[J].情報(bào)雜志，2014，33（3）：161-164.

[6]傅魁，周良俊，王慧敏.基于主題模型的虛擬社區(qū)用戶(hù)建模[J].武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2014，36（5）：663-667，672.

[7]范宇，符紅光，文奕.基于LDA模型的專(zhuān)利信息聚類(lèi)技術(shù)[J].計(jì)算機(jī)應(yīng)用， 2013，33（z1）：87-89，93.

[8]姜曉偉，王建民，丁貴廣.基于主題模型的微博重要話題發(fā)現(xiàn)與排序方法[J].計(jì)算機(jī)研究與發(fā)展，2013，50（z1）：179-185.

[9]李文波，孫樂(lè)，張大鯤.基于Labeled-LDA模型的文本分類(lèi)新算法[J].計(jì)算機(jī)學(xué)報(bào)， 2008（4）：620-627.

[10]張明慧，王紅玲，周?chē)?guó)棟.基于LDA主題特征的自動(dòng)文摘方法[J].計(jì)算機(jī)應(yīng)用與軟件， 2011，28（10）：20-22，46.

（編輯：王天鵬）