基于社区发现的舆情热点挖掘研究

信息时代的快速发展,让社交网络平台成为人们交流工作、发表意见、联络感情的第二世界。为了准确地在大量网络舆情数据中发现热点并分析其热度,提出了基于社区发现的舆情热点挖掘研究,使用社区发现算法对舆情数据的热点挖掘工作进行研究,鉴于微博数据传播机制的特点,微博话题的热度值会受到转发量、评论数、点赞次数以及发表时间的影响,为此引入微博舆情数据关键词的热度影响因子来提高针对微博舆情数据热度计算的准确率。并在此基础上提出一种基于综合权重计算和热度影响因子的改进算法—CWHIF-TR。构建针对微博文本的热度分析模型,完成热点关键词热度分析实验和摘要句热度分析实验,为热度计算的相关研究提供思路。     

优化的近邻保持嵌入算法在人脸识别中的应用

为验证优化的近邻保持算法(ONPE)在人脸识别中的应用价值,在NPE算法基础之上,ONPE对数据类内和数据类间的信息分别进行了优化,以使在低维重建时同一数据类间相互靠拢,不同数据类间相互分离。将ONPE算法应用于手工流形和Fery face人脸库进行实验。结果表明：在样本点不足且不连续的情况下,ONPE可以对手工流形有很好的降维效果,并且对人脸表情数据也有很好的识别分类效果。因此,优化的近邻保持嵌入算法具有较强的实用性和有效性。