典型文献
基于SVM算法的微博用户识别和分类研究
文献摘要：
基于广受欢迎的微博平台,利用新浪微博提供的API接口及网络爬虫技术从微博中提取用户数据,通过支持向量机算法(SVM)将微博用户分为水军用户和非水军用户两类.再利用改进的支持向量机算法(SVM)从大量的用户数据中提取特征值,实现多分类支持向量机模型,将用户分为正常用户、炒作型水军、营销型水军、谣言型水军四类.研究结果表明,构建的模型可以较为准确地识别出用户的类型,识别误差率较低.
文献关键词：
新浪微博;特征提取;网络爬虫;支持向量机算法;识别误差率
中图分类号：
作者姓名：
李新焕;黄伟力
作者机构：
江西开放大学江西工程职业学院,江西南昌 330046
文献出处：
引用格式：
[1]李新焕;黄伟力-.基于SVM算法的微博用户识别和分类研究)[J].现代信息科技,2022(16):107-109
A类：
B类：
微博用户,用户识别,分类研究,受欢迎,微博平台,新浪微博,API,网络爬虫技术,取用,用户数据,支持向量机算法,水军,军用,提取特征,多分类支持向量机,支持向量机模型,炒作,谣言,四类,识别误差率
AB值：
0.284774
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。
