基于流形学习的社会化媒体网络数据分类

• 作者: 史仍浩 李生红 陈秀真
• 来源期刊: 计算机应用研究
• 关键词: 流形学习 拉普拉斯特征映射 社会化媒体 网络数据分类 多标签
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 692-694
• 页数: 3页
• 分类号: TP181|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.03.012

摘要

社会化媒体提供了海量的、大尺度的异质网络数据, 如何对网络数据进行分类是一个亟待解决的新问题。基于潜在社会维模型, 提出利用流形学习中的拉普拉斯特征映射算法进行社会维抽取。实验表明, 在精确匹配率、微平均、宏平均等性能指标上, 均优于基于模块度最大化的原有社会维模型。该算法能更好地获取用户的隐性联系, 从而更好地分析网络用户行为。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李生红	上海交通大学电子工程系	112	774	13.0	22.0
2	陈秀真	上海交通大学信息安全工程学院	36	256	8.0	14.0
3	史仍浩	上海交通大学电子工程系	1	2	1.0	1.0