基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了更加准确地对微博僵尸粉进行甄别,提出基于磷虾群免疫神经网络的检测算法.首先,从静态与动态两个方面,分析并选取微博僵尸粉区别于普通用户的特征;其次,将磷虾群优化思想以及人工免疫的变异操作引入到网络连接权值和阈值的优化过程中,提高网络训练的收敛速度和泛化能力.最后,利用新浪微博数据,依靠训练后的神经网络对僵尸粉进行检测.实验结果表明,新算法具有更高的准确率和召回率,能够有效地检测出微博僵尸粉.
推荐文章
基于改进神经网络算法的微博热点预测系统设计
微博热点
预测系统
改进神经网络算法
数据采集
微博信息传播
预测稳定性
基于改进磷虾群算法的K-means算法
磷虾群算法
聚类算法
精英引领
最佳聚类数
动态分群
基于卷积神经网络和Tree-LSTM的微博情感分析
卷积神经网络
注意力机制
长短期记忆神经网络
微博情感分析
基于RBF神经网络的微博用户兴趣预测模型
微博
邻居节点
长期兴趣
短期兴趣
RBF神经网络
预测算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于磷虾群免疫神经网络的微博僵尸粉检测
来源期刊 计算机应用与软件 学科 工学
关键词 微博僵尸粉 检测 磷虾群 人工免疫 神经网络
年,卷(期) 2015,(12) 所属期刊栏目 人工智能与识别
研究方向 页码范围 145-149
页数 5页 分类号 TP391
字数 5944字 语种 中文
DOI 10.3969/j.issn.1000-386x.2015.12.035
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (25)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (31)
二级引证文献  (3)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(6)
  • 参考文献(3)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
微博僵尸粉
检测
磷虾群
人工免疫
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导