对推特的研究（持续）

第一篇：Comparing Twitter and Traditional Media using Topic Models。

记录几个问题：1首先是使用topic model，文献中引入了twitter-LDA model用于发掘short document的topic。（还曾提到author-LDA model，把所有的short document组合成一个long document）这里的一大难题是LDA主题模型对short document的分析performance比较差.（我对这个模型的一个提问就是，仅仅发掘topic，忽略retweet的强大作用。例如一些表现情感的review，可能会加强原topic的表现力。我怀疑简单的处理丢失重要信息的可能性）

2文中提出了一个problem，如何给topic分类，topics可能属于一个大的范畴，其实这中间也包括clean操作，因为short document得出的topic可能dirty，如何自动归类很难，通过label？（分类的好处是能抓住一个人的focus）

3从中Another special property of Twitter is that it allows people to spread news through retweet messages 。这些topic大多是world，event-oriented的，这是twitter的一大特色。

总结：这篇文章另辟蹊径，focus在了twitter的content上，我觉得twitter上的噪音，互动，time等信息都有挖掘的可能与难度。