| 基于流形学习的社会化媒体网络数据分类 |
| |
| 引用本文： | 史仍浩,陈秀真,李生红.基于流形学习的社会化媒体网络数据分类[J].计算机应用研究,2013,30(3):692-694. |
| |
| 作者姓名： | 史仍浩 陈秀真 李生红 |
| |
| 作者单位： | 1. 上海交通大学 电子工程系,上海,200240
2. 上海交通大学 信息安全工程学院,上海,200240 |
| |
| 基金项目： | 国家“973”计划资助项目（2010CB731403, 2010CB731406）; 国家自然科学基金资助项目（61071152, 61271316）; 国家“十二五”科技支撑计划重点项目（2012BAH38B04） |
| |
| 摘 要： | 社会化媒体提供了海量的、大尺度的异质网络数据,如何对网络数据进行分类是一个亟待解决的新问题。基于潜在社会维模型,提出利用流形学习中的拉普拉斯特征映射算法进行社会维抽取。实验表明,在精确匹配率、微平均、宏平均等性能指标上,均优于基于模块度最大化的原有社会维模型。该算法能更好地获取用户的隐性联系,从而更好地分析网络用户行为。
|
| 关 键 词： | 流形学习 拉普拉斯特征映射 社会化媒体 网络数据分类 多标签 |
Networked data classification in social media based on manifold learning |
| |
| SHI Reng-hao,CHEN Xiu-zhen,LI Sheng-hong.Networked data classification in social media based on manifold learning[J].Application Research of Computers,2013,30(3):692-694. |
| |
| Authors: | SHI Reng-hao CHEN Xiu-zhen LI Sheng-hong |
| |
| Affiliation: | a. Dept. of Electronic Engineering, b. School of Information Security Engineering, Shanghai Jiaotong University, Shanghai 200240, China |
| |
| Abstract: | Social media provided massive, large-scale heterogeneous networked data. Classification in networked data is a new problem that needed to be solved. Based on latent social dimension model, this paper proposed using Laplacian eigenmaps from manifold learning to extract social dimensions . Experiments show that it is superior to original modularity maximization social dimension model in performance metrics like exact match ratio, micro average and macro average. The algorithm can capture implicit user relations better and analysis Web user behavior better. |
| |
| Keywords: | manifold learning Laplacian eigenmaps social media networked data classification multi-label |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
