基于SVM与K近邻结合的网络伪舆情辨识研究

被引:6
作者
张宸
机构
[1] 四川大学图书馆
关键词
网络伪舆情; 舆情指标; 支持向量机(SVM); K-近邻分类;
D O I
暂无
中图分类号
D669 [社会生活与社会问题]; G353.1 [情报资料的分析和研究];
学科分类号
1204 ; 1205 ;
摘要
针对当前网络伪舆情难以快速、有效辨识的问题,通过对网络舆情特征的分析,认为不同舆情信息反映不同舆情特征,因此辨识的本质可以看作是一个自动分类问题。构建网络伪舆情指标评价体系,提出一种基于支持向量机与K近邻结合的网络伪舆情辨识方法。实验结果表明,该方法比单纯使用支持向量机具有更高的分类精度,且较好地解决了核函数参数选择的问题。
引用
收藏
页码:164 / 167
页数:4
相关论文
共 11 条
[1]   基于决策树的网络伪舆情识别研究 [J].
赵静娴 .
现代图书情报技术, 2015, (06) :78-84
[2]   基于支持向量机的网络伪舆情识别研究 [J].
刘勘 ;
朱怀萍 ;
刘秀芹 .
现代图书情报技术, 2013, (11) :75-80
[3]   网络伪舆情的表现、成因与影响 [J].
方付建 .
电子政务, 2013, (11) :23-28
[4]   网络伪舆情的成因及对策分析 [J].
李兰玉 .
人民论坛, 2013, (17) :42-43
[5]   基于发生周期的突发事件网络舆情风险评价指标体系 [J].
张玉亮 .
情报科学 , 2012, (07) :1034-1037+1043
[6]   网络伪舆情的特征研究 [J].
刘勘 ;
朱怀萍 ;
胡航 .
情报杂志, 2011, 30 (11) :57-60+56
[7]   互联网内容及舆情深度分析模式 [J].
谢海光 ;
陈中润 .
中国青年政治学院学报, 2006, (03) :95-100
[8]   一种文本处理中的朴素贝叶斯分类器 [J].
李静梅 ;
孙丽华 ;
张巧荣 ;
张春生 .
哈尔滨工程大学学报, 2003, (01) :71-74
[9]   SVM-KNN分类器——一种提高SVM分类精度的新方法 [J].
李蓉 ;
叶世伟 ;
史忠植 .
电子学报, 2002, (05) :745-748
[10]   反竞争情报对策研究:虚假信息与信息可靠性定量分析 [J].
冯维扬 .
情报学报, 2001, (06) :728-732