典型文献
基于数据挖掘技术的网络热门舆情分类研究
文献摘要：
以提升网络热门舆情分类准确率,降低分类时间为目标,提出了基于数据挖掘技术的网络热门舆情分类方法.将小波核函数和支持向量机结合构成小波模糊支持向量机,采用增量学习机制和贝叶斯分类算法建立增量贝叶斯分类算法,组成小波模糊支持向量机-增量贝叶斯分类算法解决测试样本易分类失误以及类条件独立假定性很难获取问题,通过计算待测样本和小波支持向量机之间的距离,实现网络热门舆情分类.经实验验证:类置信度较高时,文中方法分类准确率高,运行时间少,可快速分类网络热门舆情,且网络热门舆情分类结果的查全率以及查准率都在94％以上,分类精度较好.
文献关键词：
数据挖掘;网络热门舆情;小波核函数;支持向量机;朴素贝叶斯
中图分类号：
作者姓名：
杨小艳
作者机构：
安康学院电子与信息工程学院,陕西 安康725000
文献出处：
引用格式：
[1]杨小艳-.基于数据挖掘技术的网络热门舆情分类研究)[J].信息技术,2022(02):59-63,68
A类：
网络热门舆情
B类：
数据挖掘技术,情分,分类研究,分类准确率,分类方法,小波核函数,波模,模糊支持向量机,增量学习,学习机制,贝叶斯分类,分类算法,失误,假定性,置信度,中方,方法分类,运行时间,快速分类,分类网络,查全率,查准率,分类精度,朴素贝叶斯
AB值：
0.254891
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
