-
题名基于贝叶斯衍生分类器的社交网络用户影响力评价模型
被引量：4
- 1
-
-
作者
周春良
刘仰光
孟祥佩
-
机构
宁波财经学院金融与信息学院
宁波财经学院基础学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第6期394-400,共7页
-
基金
浙江省哲学社会科学规划课题(21NDJC167YB)
国家自然科学基金(62001199)
宁波财经学院科研基金硕士学位培育点项目(1320230911)。
-
文摘
为了防止社交网络中的负面信息快速传播,则需要通过评价社交网络中用户的影响力来找出影响力大的社交网络节点。针对传统算法在社交网络领域中交叉特性缺失的问题,结合高斯贝叶斯衍生分类器,提出一种网络用户影响力评价模型。该模型结合用户活跃度、用户联系度、用户覆盖度等维度,建立社交网络用户影响力刻画指标,同时考虑社交网络用户之间的关系特征和用户自身的行为特征,降低僵尸粉和垃圾社交网络对网络评价结果的影响,通过建立连续属性朴素贝叶斯分类器方法,提出基于高斯贝叶斯衍生分类器的模型求解方法。使用新浪微博中152059423条媒体报纸用户评论作为实验数据,分析影响该评价模型的关键因素,利用仿真软件完成和HRank等传统模型对比实验,结果表明,该模型体现了社交网络用户的交叉特性,提升了模型的实用性,相比于其他传统算法,该模型分类误差更趋于稳定,分类结果的误差率更低,适应性更好。
-
关键词
社交网络
影响力
贝叶斯衍生分类器
评价模型
用户活跃度
-
Keywords
social network
influence
Bayesian derived classifier
evaluation model
user activity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名约束高斯分类网研究
被引量：3
- 2
-
-
作者
王双成
高瑞
杜瑞杰
-
机构
上海立信会计学院数学与信息学院
上海立信会计学院立信会计研究院
上海财经大学统计与管理学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2015年第12期2164-2176,共13页
-
基金
国家自然科学基金(61272209)
上海市自然科学基金(15ZR1429700)
上海市教委科研创新项目(15ZZ099)资助~~
-
文摘
针对基于一元高斯函数估计属性边缘密度的朴素贝叶斯分类器不能有效利用属性之间的依赖信息和使用多元高斯函数估计属性联合密度的完全贝叶斯分类器易于导致对数据的过度拟合而且高阶协方差矩阵的计算也非常困难等情况,在建立属性联合密度分解与组合定理和属性条件密度计算定理的基础上,将朴素贝叶斯分类器的属性选择、分类准确性标准和属性父结点的贪婪选择相结合,进行约束高斯分类网学习与优化,并依据贝叶斯网络理论,对贝叶斯衍生分类器中属性为类提供的信息构成进行分析.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过优化的约束高斯分类网具有良好的分类准确性.
-
关键词
连续属性
高斯网络
贝叶斯网络
贝叶斯衍生分类器
密度估计
-
Keywords
Continuous attributes
Gaussian networks
Bayesian networks
Bayesian derivative classifiers
density estimation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
