作者:
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:
本文使用支持向量机和主成分分析法等技术,通过微博文本结合微博主任的年龄、性别等特征,对博主的性格进行归类分析预测,在实验中得到了比较理想的结果。
推荐文章
基于性格的微博情感分析模型PLSTM
情感分析
性格
word2vec
长短时记忆网络
分类器融合
基于中文微博的产品评价分类算法
微博
产品评价
数据挖掘
支持向量机
半监督学习
基于回应消息的中文微博情感分类方法
中文微博
情感分类
回应消息
支持向量机
基于用户标签的微博推荐算法
微博推荐算法
用户标签
TextRank排序方法
微博列表
效应函数
生命周期
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 基于微博的性格分类算法
来源期刊 科学导报 学科
关键词 SVM PCA 中文分词 tf-idf
年,卷(期) 2015,(7) 所属期刊栏目 信息技术
研究方向 页码范围 239-239
页数 1页 分类号
字数 1595字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 熊伟 7 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (29)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(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(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(6)
  • 参考文献(3)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 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)
研究主题发展历程
节点文献
SVM
PCA
中文分词
tf-idf
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
科学导报
其它
出版文献量(篇)
49363
总下载数(次)
203
总被引数(次)
0
论文1v1指导