典型文献
融合XGBoost与SHAP的政务新媒体公共价值共识可解释性模型——以"今日头条"十大市级政务号为例
文献摘要：
[目的/意义]为准确识别影响公共价值共识的重要因素及其作用方式,提升政务新媒体广泛凝聚共识的能力和水平,提出一种融合XGBoost与SHAP的政务新媒体公共价值可解释性模型.[方法/过程]以"今日头条"下500篇政务头条号文章及32 185条评论为研究对象.首先,识别文章的公共价值共识,并从内容、形式、情感3个维度提取文章特征变量,将预处理后的数据作为模型的输入.其次,构建基于XGBoost的政务新媒体公共价值共识预测模型,并与LR、SVM、LGBM等其他主流机器学习算法进行实验对比,找到综合最优模型.最后,引入SHAP解释框架,对各特征变量的重要性进行量化和归因.[结果/结论]结果发现,XGBoost模型在准确率、召回率、F1-score、AUC 4项性能指标上均优于对比模型,性能优异.此外,文章主题类型、公共价值类型、文章长度、内容形式、文章情感属性、标题情绪符数量是影响政务头条号文章共识的重要特征,它们对公共价值共识的影响方式、影响方向和影响力度各有差异.
文献关键词：
公共价值共识;政务头条号;XGBoost;SHAP;可解释性
中图分类号：
作者姓名：
易明;姚玉佳;胡敏
作者机构：
华中师范大学信息管理学院 武汉430079;华中师范大学中国图书馆创新发展研究中心 武汉430079
文献出处：
引用格式：
[1]易明;姚玉佳;胡敏-.融合XGBoost与SHAP的政务新媒体公共价值共识可解释性模型——以"今日头条"十大市级政务号为例)[J].图书情报工作,2022(16):36-47
A类：
公共价值共识,政务头条号
B类：
XGBoost,SHAP,政务新媒体,可解释性模型,今日头条,大市,准确识别,作用方式,凝聚共识,能力和水平,特征变量,LR,LGBM,机器学习算法,实验对比,最优模型,解释框架,召回率,score,对比模型,文章主题,题类,价值类型,内容形式,标题,影响方式
AB值：
0.190252
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。
