文档名：一种半监督的微博话题噪声过滤方法
社交网络中存在大量营销、招聘等垃圾信息以及无实质内容的短文,为话题建模工作带来很多干扰,更严重影响社交网络方面的学术研究及商业应用.因此,本文提出一种基于SVM-kNN模型的半监督话题噪声过滤方法.该方法融合了支持向量机(SupportVectorMachines,SVM)和k近邻(k-NearestNeighbor,k-NN)算法,在SVM计算得到超平面的基础上使用kNN算法在局部范围内迭代寻找分类超平面的最优解;同时为减少误分类发生,分别在SVM和kNN阶段引入惩罚代价和比例权重,以提高噪声过滤的效果.通过选取新浪微博中不同大小的数据集进行实验,结果与其它方法相比表明,本文提出的方法只利用了少量的标注样本进行训练,在准确率、召回率和F值方面均优于其他的对比方法.
作者：屠守中 杨婧 赵林 朱小燕
作者单位：清华大学计算机科学与技术系,北京100084中国科学院计算技术研究所网络数据科学与技术重点实验室,北京100190中国科学院信息工程研究所信息安全国家重点实验室,北京100093
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：微博话题 噪声过滤 支持向量机 k近邻算法
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 726.92 KB
- 下载次数:
- 60
-
高速下载
|
