基于贝叶斯网络的新媒体事件分类模型

• 作者: 孙玲芳 徐会 李金海
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 新媒体事件 K均值 贝叶斯网络 分类 隐藏节点
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 中文信息修理技术
• 页码范围: 65-69,73
• 页数: 6页
• 分类号: TP391
• 字数: 4722字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2014.05.015

摘要

为了对新媒体事件进行准确有效分类,提出一种将K-means算法和贝叶斯网络相结合的混合算法.该算法首先运用K-means算法将训练样本聚类,再根据聚类的结果,运用改进的贝叶斯网络对新媒体事件进行分类.其中,层次贝叶斯网络模型的构建,避免了贝叶斯网络在参数学习时陷入局部寻优;同时引入隐藏节点,更大程度满足了贝叶斯网络的条件独立假设.实验结果表明该算法效果明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙玲芳	泰州学院商学院	11	50	4.0	6.0
2	徐会	江苏科技大学经济管理学院	7	50	3.0	7.0
3	李金海	江苏大学管理学院	11	158	5.0	11.0