主题模型的应用场景和可视化

1、微博数据蕴含着很多实况信息，通过爬虫等技术手段采集后，对内容的主题进行数据分析，从而得到大众的关注热点。如图1为基于主题模型得到的台风“莫兰蒂”相关微博数据进行主题分类后的统计图。在图1中，我们可以看到通过LDA模型得到的不同类别的微博数据的走势，作者将微博数据分为了“预警信息”、“无关信息”、“灾情和实况信息”和“救援信息”四类。通过不同信息数据的时间序列，可以快速把握事件发生的趋势。
配合TF-IDF算法，点击各个时间节点，可以抽取不同时间点的关键词信息，可以更加准确的事件的趋势。如图2所示。
关键词反映了这一阶段的优势信息，想更进一步的查看详细信息，需要获取全文，点击对应的关键词，即可查看全文信息（图3）。
点击定位按钮可以查看事件发生的具体位置，从而对事件进行快速定位（图4）。
主题信息分布图（图5），查看事件的主题信息。

2、新闻推荐系统
3、文章摘要的主题演化（挖掘近年来研究领域的变化）
4、等等文本数据挖掘领域，LDA都是一个优秀的模型，在各类文本挖掘领域均有应用，是很多研究领域与大数据结合进行写paper的利器。
作者联系方式QQ：869647405 。 有不懂的可以联系作者进行有偿技术协助。