基于 SVM 主动学习的微信监测研究磁

• 作者: 李松丽 郑世珏 高丽 高学伟
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 支持向量机 主动学习 微信 监测
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 系统结构
• 页码范围: 715-719
• 页数: 5页
• 分类号: TP393
• 字数: 3990字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.04.034

摘要

论文通过支持向量机（SVM ）主动学习算法对微信文章进行包含四种警度级别（红、橙、黄、绿）的分类，利用微信信息的警度评估分析技术，构建微信信息预警系统，预测可能影响社会安全态势的事件和现象。为了评估分类器的性能，我们对随机抓取的3036个不同警度级别的微信文章样本进行了分类实验，并在学习样本数量不等的情况下，分别用改进的SVM 主动学习算法与传统 SVM 和主动学习 SVM 两种分类器对测试样本进行分类，通过多次实验分析验证了改进的SVM 主动学习方法在微信舆情监测[1～3]的可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑世珏	华中师范大学计算机学院	58	413	10.0	18.0
2	高丽	华中师范大学计算机学院	16	78	6.0	8.0
3	高学伟	华中师范大学计算机学院	1	0	0.0	0.0
4	李松丽	华中师范大学计算机学院	1	0	0.0	0.0