基于KNN算法的新浪微博用户行为分析及预测

被引：18

作者：

解军

邢进生

机构：

[1] 山西师范大学数学与计算机科学学院

来源：

山西师范大学学报(自然科学版) | 2016年 / 30卷 / 02期

关键词：

KNN; 微博; 信息增益;

D O I：

10.16207/j.cnki.1009-4490.2016.02.008

中图分类号：

TP393.092 []; G206 [传播理论];

学科分类号：

050302 [传播学];

摘要：

本文对新浪微博的博文发布一周后受到的转发、评价、点赞的次数进行了分析及预测.首先采用聚类分析法,从训练集横向和纵向、微博特征及用户行为特点三个角度做了分析,得出了三种用户行为与微博数量的关系、三种用户行为之间的关系及用户行为具有均值的特点,然后结合分析结果,提出使用计算类别集合代替传统的求距离,使用双层对象代替单层对象的改进的KNN算法,使传统KNN算法成为可预测模型.最后的实例仿真表明改进后的KNN算法相对于其他传统预测方法 F1评估值平均提高了5.15%.

引用

页码：38 / 45

页数：8

共 4 条

[1]

反垃圾邮件技术的研究 [D].

詹川 .

电子科技大学,

2005

[2]

基于语义的微博短信息分类 [J].

崔争艳 .

现代计算机(专业版), 2010, (08) :18-20+24

[3]

Using <Emphasis Type="Italic">k</Emphasis>NN model for automatic text categorization.[J].Gongde Guo;Hui Wang;David Bell;Yaxin Bi;Kieran Greer.Soft Computing.2006, 5

[4]

An Evaluation of Statistical Approaches to Text Categorization [J].

Yiming Yang .

Information Retrieval, 1999, 1 (1-2) :69-90

← 1 →