基于支持向量机的网络伪舆情识别研究

被引:12
作者
刘勘
朱怀萍
刘秀芹
机构
[1] 中南财经政法大学信息与安全工程学院
关键词
网络伪舆情; 支持向量机; 评价指标; 核函数;
D O I
暂无
中图分类号
G202 [信息处理技术];
学科分类号
050302 ;
摘要
针对网络伪舆情的识别问题,提出一种基于支持向量机的网络伪舆情识别方法。鉴于不同的舆情信息所反映出的舆情特征不同,而舆情特征的不同又可进一步辨别舆情的真假,因此首先构建针对网络舆情真伪的评价指标;基于支持向量机的分类机理,结合网络舆情的评价指标提出基于支持向量机的网络伪舆情识别模型,采用多项式核函数以及优化之后的径向基核函数产生的分类器。通过实验证明采用支持向量机构造舆情分类器所构建的识别算法能够对网络伪舆情进行有效识别。
引用
收藏
页码:75 / 80
页数:6
相关论文
共 12 条
[1]   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
[2]   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
[3]   网络舆情监测指标体系构建研究 [J].
陈新杰 ;
呼雨 ;
兰月新 .
现代情报 , 2012, (05) :4-7+20
[4]   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
[5]   网络舆情监测及预警指标体系构建研究 [J].
王青 ;
成颖 ;
巢乃鹏 .
图书情报工作, 2011, 55 (08) :54-57+111
[6]   非常规突发事件网络舆情指标体系建立初探——概念界定与基本维度 [J].
张一文 ;
齐佳音 ;
方滨兴 ;
李欲晓 .
北京邮电大学学报(社会科学版) , 2010, (04) :6-14
[7]   基于概率推理模型的博客倾向性检索研究 [J].
廖祥文 ;
曹冬林 ;
方滨兴 ;
许洪波 ;
程学旗 .
计算机研究与发展, 2009, 46 (09) :1530-1536
[8]   流量内容词语相关度的网络热点话题提取 [J].
周亚东 ;
孙钦东 ;
管晓宏 ;
李卫 ;
陶敬 .
西安交通大学学报, 2007, (10) :1142-1145+1150
[9]   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
[10]   Improving support vector machine classifiers by modifying kernel functions [J].
Amari, S ;
Wu, S .
NEURAL NETWORKS, 1999, 12 (06) :783-789