暂无评论
微博话题检测是当前研究的热点，提出一种基于复杂网络重叠社团发现的微博话题检测方法。该方法对一段时间内的微博数据进行预处理，在分词后，根据词性以及词的时域分布抽取出主题词，在相关度高的主题词之间构造边得
由于目前水军的高伪装性，经典的水军识别算法变得不再有效。与真实用户相同，水军用户之间也会形成一定的网络结构，提出了一种基于网络关系的方法来发现水军集团，首先以一个典型的水军账号作为种子，逐层扩展粉丝关
微博中短文本、用语不规范和大量噪音等特性使得传统话题发现方法不能很好地从中获取新话题。针对微博以上特性和话题动态性提出一种基于聚类集成的微博话题发现方法，该方法考虑微博发布的非线性时间因子，采用改进的
随着微博的大量普及和关注度的不断提高，微博热点话题发现已成为当前研究热点。针对于短文本、向量空间模型（VSM）文本表示方法存在高维度、稀疏，以及同义多义问题，导致难以准确度量文本相似度，提出一种基于隐
针对传统的话题检测方法在处理大规模微博短文本时出现的降维能力不足和语义信息丢失等问题，提出基于潜在语义分析和结构特性相结合的微博话题检测方法。根据微博的对话属性和传播模型，首先要合并微博讨论树扩展微博
针对传统的微博情感分析方法忽略了图片影响因素、特殊符号信息以及上下文信息导致情感分析方法准确率不高的问题，提出了一种基于转移变量的图文融合微博情感分析方法。首先构建基于转移变量的无监督情感分析模型US
近年来，微博的蓬勃发展吸引了大量网络用户，用户所发海量微博呈现的大数据环境成为理解用户行为的重要资源。目前，大量在线朋友推荐研究通过对微博内容分析推断用户的兴趣和喜好以进行朋友推荐，但大多数已有研究忽
基于BA无标度网络模型,融合微博用户网络的特征,构造一种微博谣言传播网络模型。提出一种新的SIR(susceptible-infected-removed)模型,通过数值仿真探讨微博谣言的传播动力学行
微博创建了一个拥有大量社交媒体数据的大型社交网络。 在社交网络和大数据范例中,对微博用户之间的行为关系进行建模和分析,以及实现固有类别或社区,已成为人们关注的重点。 在本文中,我们提出了一个基于图的模
一种面向微博用户的标签推荐方法 pdf
暂无评论