版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、互聯(lián)網(wǎng)環(huán)境下,企業(yè)網(wǎng)絡(luò)輿情會(huì)給企業(yè)經(jīng)營(yíng)帶來(lái)實(shí)際影響,故企業(yè)非常關(guān)注網(wǎng)絡(luò)輿情的發(fā)展。由于網(wǎng)絡(luò)輿情信息數(shù)據(jù)量大、內(nèi)容分散、數(shù)據(jù)結(jié)構(gòu)復(fù)雜,使用傳統(tǒng)的分類算法往往不能達(dá)到預(yù)期的分類效果。針對(duì)該問(wèn)題,本文從以下兩個(gè)方面對(duì)企業(yè)輿情分類技術(shù)進(jìn)行研究:
1.針對(duì)網(wǎng)絡(luò)輿情數(shù)據(jù)高維、線性不可分的問(wèn)題,本文采用組合核距離代替歐氏距離計(jì)算相似度,通過(guò)核函數(shù)將數(shù)據(jù)從可分性較差的低維空間映射到非線性可分性高維特征空間,在不增加計(jì)算復(fù)雜度的情況下增加輿情數(shù)
2、據(jù)的可分類性。實(shí)驗(yàn)結(jié)果表明,所提方法對(duì)輿情事件有較好的分類效果。
2.針對(duì)大規(guī)模輿情分類時(shí),大間隔近鄰算法(LMNN)中的半定規(guī)劃問(wèn)題規(guī)模會(huì)隨著數(shù)據(jù)規(guī)模增大而急劇膨脹,導(dǎo)致求解困難的問(wèn)題,本文引入胡貝爾損失函數(shù)把LMNN算法的半定優(yōu)化模型分解為兩個(gè)低階的連續(xù)優(yōu)化子模型,降低算法的計(jì)算復(fù)雜度,提高了計(jì)算效率。在輿情分類數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文算法與傳統(tǒng)大間隔近鄰算法相比,分類準(zhǔn)確率提高了4.15%,分類時(shí)間節(jié)省了47.10%
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于相關(guān)熵的平均近鄰最大間隔特征提取.pdf
- 基于不定核的大間隔聚類算法研究.pdf
- 基于K近鄰的分類算法研究.pdf
- 基于尺度化凸殼的最大間隔分類方法研究.pdf
- 基于最大間隔的多標(biāo)記特征選擇算法.pdf
- 基于最大間隔聚類算法的SVM反問(wèn)題研究.pdf
- 距離度量學(xué)習(xí)的理論與算法研究:核回歸、大間隔最近鄰與Fisher線性判別.pdf
- 基于近鄰分類的實(shí)例選擇算法研究.pdf
- 基于樣本選擇的近鄰分類算法研究.pdf
- 魯棒的大間隔分類學(xué)習(xí)方法研究.pdf
- 基于自然最近鄰居的分類算法研究.pdf
- 最大間隔分類理論及其應(yīng)用研究.pdf
- 雙正則最大間隔規(guī)劃算法研究.pdf
- 基于K近鄰集成算法的分類挖掘研究.pdf
- 基于最大間隔法的分類模型-韶關(guān)學(xué)院統(tǒng)一認(rèn)證平臺(tái)
- 基于K-近鄰算法的文本自動(dòng)分類.pdf
- 基于代價(jià)敏感的最大間隔準(zhǔn)則方法研究.pdf
- 基于k近鄰分類準(zhǔn)則的特征變換算法研究.pdf
- 最近鄰分類的若干改進(jìn)算法研究.pdf
- 基于Spark的輿情分析架構(gòu)研究.pdf
評(píng)論
0/150
提交評(píng)論