基于SVM的网络信息茧房层次敏感影响因素识别研究

被引:29
作者
王益成
王萍
王美月
机构
[1] 吉林大学管理学院
关键词
信息茧房; 信息增益理论; 支持向量机;
D O I
暂无
中图分类号
G250.7 [图书馆自动化、网络化]; G252 [读者工作];
学科分类号
1205 ; 120501 ;
摘要
文章利用信息增益理论解析各影响因素与信息茧房层次之间的关联度,构建信息茧房层次敏感影响因素模型,进而通过支持向量机理论构建信息茧房层次预测模型。信息茧房层次的12个敏感影响因素集中于算法推荐技术、用户信息素养、系统交互性与用户行为特征四个子维度,模型分类预测精度为84.92%,表示支持向量机对信息茧房层次有良好的预测能力。
引用
收藏
页码:90 / 97
页数:8
相关论文
共 19 条
[1]   破除“信息茧房”,不以流量论英雄 重塑新媒体时代的吸引法则 [J].
黄楚新 .
人民论坛, 2018, (17) :119-121
[2]   网络信息生态链视域下内容智能分发平台“信息茧房”研究 [J].
王益成 ;
王萍 ;
张璐 ;
张卫东 .
图书馆学研究, 2018, (09) :7-13+36
[3]   智媒体时代算法推送对公众媒介素养的新要求 [J].
金泽军 .
新闻研究导刊, 2018, 9 (08) :27-28+31
[4]   基于支持向量机的大学生网络信息偶遇影响因素研究 [J].
田梅 ;
朱学芳 .
图书情报工作, 2018, (08) :84-92
[6]   信息运动视角下内容智能分发平台突破“信息茧房”策略研究 [J].
王益成 ;
王萍 ;
王美月 ;
张卫东 .
情报理论与实践 , 2018, (05) :114-119
[7]   论“信息茧房”矫治——兼及大数据人工智能2.0和“探索—开发”模式 [J].
丁晓蔚 ;
王雪莹 ;
胡菡菡 .
中国地质大学学报(社会科学版), 2018, (01) :164-171
[8]   2016美国大选所透射的“过滤气泡”现象与启示 [J].
许志源 ;
唐维庸 .
传媒, 2017, (16) :54-56
[9]   信息个人化、信息偏向与技术性纠偏——新技术时代我们如何获取信息 [J].
陈昌凤 ;
张心蔚 .
新闻与写作 , 2017, (08) :42-45
[10]   基于信息增益特征选择的网络异常检测模型 [J].
刘汝隽 ;
贾斌 ;
辛阳 .
计算机应用, 2016, 36(S2) (S2) :49-53