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:
根据微博的特点,提出了基于朴素贝叶斯网络模型的微博话题追踪算法,在改进型DF的文本特征选择方法的基础上,通过构建朴素贝叶斯网络模型,设计并实现对微博话题的追踪系统.实验结果表明,基于朴素贝叶斯网络的微博话题追踪系统具有分类简单、高效的优点,特别适合对微博热门话题进行追踪.
推荐文章
基于朴素贝叶斯算法的社交网络数据挖掘技术研究
朴素贝叶斯算法
社交网络
数据挖掘
基于贝叶斯信念网络的话题识别模型
话题识别
贝叶斯信念网络
报道
基于引力模型的朴素贝叶斯分类算法
分类算法
朴素贝叶斯
引力模型
遥感图像
基于改进特征加权的朴素贝叶斯分类算法
文本分类
朴素贝叶斯
JS散度
词频
文本频率
类别频率
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 基于朴素贝叶斯网络的微博话题追踪技术研究
来源期刊 计算机与数字工程 学科 工学
关键词 朴素贝叶斯网络 微博 话题追踪
年,卷(期) 2017,(11) 所属期刊栏目 信息处理与网络安全
研究方向 页码范围 2244-2247,2284
页数 5页 分类号 TP391.1
字数 2683字 语种 中文
DOI 10.3969/j.issn.1672-9722.2017.11.034
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 冯军军 19 12 2.0 2.0
2 贺晓春 25 48 4.0 4.0
3 王海沛 6 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (102)
共引文献  (181)
参考文献  (15)
节点文献
引证文献  (4)
同被引文献  (12)
二级引证文献  (3)
1953(1)
  • 参考文献(0)
  • 二级参考文献(1)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(12)
  • 参考文献(1)
  • 二级参考文献(11)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(13)
  • 参考文献(4)
  • 二级参考文献(9)
2012(19)
  • 参考文献(1)
  • 二级参考文献(18)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
朴素贝叶斯网络
微博
话题追踪
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导