微博用户的个性分类分析

发布时间：2017-09-01 15:21

  本文关键词：微博用户的个性分类分析

  更多相关文章： 社交网络 微博 个性分类 提升决策树 支持向量机 贝叶斯逻辑递归

【摘要】：社交网络给每个社会中的人提供了自由表达个人情感、观点、兴趣、建议等言论的平台。用户在这些平台上发表的言论、所做的行为以及用户在平台上建立的社交圈子也给数据挖掘带来了新的数据和机会。提出了一种利用用户在微博上的公开数据信息实现对该用户的MBTI个性维度进行分类分析的方法。在该方法中,基于对用户微博数据的分析,提出了能够表征用户心理和行为的文本和非文本特征,然后采用三种机器学习的分类方法—提升决策树、支持向量机和贝叶斯逻辑递归来对微博用户的个性进行分类分析。实验结果表明,通过对微博数据的挖掘可以在不同MBTI个性维度上达到75%~90%的准确率。
【作者单位】： 公安部第三研究所;中石化管理干部学院;
【关键词】： 社交网络 微博 个性分类 提升决策树 支持向量机 贝叶斯逻辑递归
【分类号】：TP393.092;TP391.1
【正文快照】： 1引言近十年来,社交网络经历了爆炸性的增长,据统计,推特(Twitter)的用户数已超过5亿,一天的数据增量大约为7TB;脸书(FaceBook)的用户数已超过10亿,一天的数据增量超过10TB。截至2012年12月底,新浪微博注册用户已超5亿,日活跃用户数达到4 620万,用户每日发博量超过1亿条[1]。

【共引文献】

中国期刊全文数据库 前10条

1 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期

4 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期

5 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期

6 邹心遥;姚若河;;基于LSSVM的威布尔分布形状参数估计(英文)[J];半导体技术;2008年06期

7 邹心遥;姚若河;;基于LSSVM的小子样元器件寿命预测[J];半导体技术;2011年09期

8 李卓远,吴为民,王e，

本文编号：772857