选择性神经网络集成的微博用户信用评估模型

• 作者: 尹四清 闫瑞姣
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 微博 信用 BP神经网络 选择性集成学习 ReliefF特征选择
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 智能技术
• 页码范围: 1478-1483
• 页数: 6页
• 分类号: TP39
• 字数: 4794字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.05.048

摘要

为更好地监管微博平台,预防并降低社交失信事件的发生,针对微博用户特征,提出一种基于ReliefF的选择性集成学习的微博用户信用评估模型.利用ReliefF算法剔除冗余和相关性较弱的指标,在集成学习的基础上,采用聚类选择算法挑选分类性能较好的基分类器进行最终集成.实验对比分析结果表明,该评估模型在预测精度和运行效率方面有明显的提升,是一种切实可行、有效的评估模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹四清	中北大学软件学院	23	77	5.0	6.0
2	闫瑞姣	中北大学软件学院	2	5	1.0	2.0