10.16208/j.issn1000-7024.2018.05.048
选择性神经网络集成的微博用户信用评估模型
为更好地监管微博平台,预防并降低社交失信事件的发生,针对微博用户特征,提出一种基于ReliefF的选择性集成学习的微博用户信用评估模型.利用ReliefF算法剔除冗余和相关性较弱的指标,在集成学习的基础上,采用聚类选择算法挑选分类性能较好的基分类器进行最终集成.实验对比分析结果表明,该评估模型在预测精度和运行效率方面有明显的提升,是一种切实可行、有效的评估模型.
微博、信用、BP神经网络、选择性集成学习、ReliefF特征选择
39
TP39(计算技术、计算机技术)
2018-09-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
1478-1483