摘要
为了对新媒体事件进行准确有效分类,提出一种将K-means算法和贝叶斯网络相结合的混合算法。该算法首先运用K-means算法将训练样本聚类,再根据聚类的结果,运用改进的贝叶斯网络对新媒体事件进行分类。其中,层次贝叶斯网络模型的构建,避免了贝叶斯网络在参数学习时陷入局部寻优;同时引入隐藏节点,更大程度满足了贝叶斯网络的条件独立假设。实验结果表明该算法效果明显。
To make an exact and effective classification of new media events, this paper puts forward a mixed algorithm combining K-means with Bayesian network. The algorithm firstly clusters training samples by K-means, and then classifies new media events through modified Bayesian network according to the clustering results. Hierarchy Bayesian network model built in this algorithm enables Bayesian network to get rid of local optimization in parameter learning, while the introduction of hidden nodes better meets the requirements of conditional independence assumption of Bayesian network. Experimental results show that the algorithm is effective.
出处
《计算机与现代化》
2014年第5期65-69,73,共6页
Computer and Modernization
基金
教育部人文社会科学研究项目(10YJAZH069)
江苏省第九批"六大人才高峰"高层次人才资助项目(XXRJ-013)
关键词
新媒体事件
K均值
贝叶斯网络
分类
隐藏节点
new media event
K-means
Bayesian network
classification
hidden nodes
作者简介
作者简介：孙玲芳（1963-），男，江苏镇江人，泰州学院商学院教授，博士，研究方向：信息管理与信息系统，电子商务；
徐会（1987-），男，湖北荆门人，江苏科技大学经济管理学院硕士研究生，研究方向：信息管理与信息系统；
李金海（1988-），男，安徽天长人，江苏大学管理学院博士研究生，研究方向：信息管理与信息系统。
