本文關(guān)鍵詞： 微博短文本 傾向性 檢測 Delaunay三角網(wǎng)聚類 元胞遺傳　出處：《情報科學》2017年11期 　論文類型：期刊論文

【摘要】：【目的/意義】隨著微博短文本對社會生活的影響日益增大,結(jié)合Delaunay三角網(wǎng)聚類和元胞遺傳提出了一種微博短文本傾向性檢測模型�！痉椒�/過程】首先,該模型闡述了檢測方法采取的數(shù)據(jù)收集、預處理、特征選擇和指標計算四個階段,并建立了短文本傾向性檢測模型。其次,利用Delaunay三角網(wǎng)聚類和元胞遺傳對上述模型進行求解。最后,通過仿真實驗深入研究了影響該方法的關(guān)鍵因素。【結(jié)果/結(jié)論】結(jié)果表明,相比于層次結(jié)構(gòu)法和神經(jīng)網(wǎng)絡(luò),該方法在準確率、關(guān)聯(lián)率等方面具有較好的適應(yīng)性。
[Abstract]:[purpose / significance] with the increasing influence of Weibo's essay on social life. In this paper, a Weibo short text orientation detection model is proposed based on Delaunay triangulation clustering and cellular heredity. Firstly, the data collection and preprocessing of the detection method are described in this model. There are four stages of feature selection and index calculation, and a short text orientation detection model is established. Secondly, the Delaunay triangular network clustering and cellular inheritance are used to solve the above model. The key factors affecting the method are studied through simulation experiments. [results / conclusions] the results show that compared with the hierarchical structure method and neural network, the method is accurate. The correlation rate has good adaptability.
【作者單位】： 義烏工商職業(yè)技術(shù)學院;
【基金】：浙江省自然科學基金(LQ13A040003)
【分類號】：G206;G254

【相似文獻】

相關(guān)碩士學位論文 前1條

1 卓可秋;基于Spark的突發(fā)事件檢測實現(xiàn)研究[D];南京大學;2016年

，

本文編號：1492749