面向微博消息流的異常消息檢測關鍵技術研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、當代是共享信息的時代,隨手移動端的發(fā)展和網絡普及化,微博成為人們生活中一種不可或缺獲取信息的便捷途徑,它可以實現與他人分享、交流、互動信息等功能。然而隨著微博消息數量的日益膨脹,突發(fā)消息和垃圾消息會在微博平臺上的擴散速度更快,傳播更廣。如何快速有效的檢測微博的中異常消息已經成為微博輿情監(jiān)管領域重要研究的方向。
  突發(fā)消息檢測的研究重點是微博中合理調整滑動窗口的大小以及合理選取閾值的大小?;诖藛栴},文中是基于時間序列方式的微博滑

2、動窗口,針對固定窗口檢測突發(fā)消息的靈敏程度小,閾值的固定化不能適應消息變化快慢等缺點,本文結合滑動窗口算法和自適應閾值算法,提出自適應滑動窗口及判定閾值微博突發(fā)消息檢測研究。該模型考慮到網絡流量實時性對窗口和閾值要求靈活的特點,通過實驗數據選擇時間跨度長短不同的微博消息,用對比方式驗證自適應滑動窗口比固定窗口檢測消息的時間要快、要合理,更好分析突發(fā)消息波動的趨勢。用對比實驗驗證自適應閾值的正確性,更好的預測微博突發(fā)消息的起伏變化。

3、>  在微博檢測突發(fā)消息的過程中,檢測的消息中會存在垃圾消息。如何將數據信息提取出來服務于用戶,最終目的是要凈化垃圾信息。根據人工標注和匹配規(guī)則方式對垃圾消息分類的識別適應性差的問題,因此本文提出融合KNN和SVM的微博垃圾消息檢測算法研究。該算法采用有監(jiān)督學習,判斷樣本點到決策平面的距離,對于分類模糊的樣本點進行再次分類。通過實驗證明,融合方法能有效提高垃圾檢測的正確性,有效識別垃圾的問題。
  綜上所述,本文重點分析影響突發(fā)消

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論