10.16652/j.issn.1004-373x.2022.22.031
基于自编码网络特征降维的舆情异常检测技术研究
传统的网络舆情监控通常采用人工或简易图片识别软件辅以自然语言理解算法进行,针对这些舆情异常检测识别方法中存在的效率较低、准确率不足及难以处理海量舆情信息等问题,文中提出一种基于自编码网络特征降维的舆情异常检测方法.该方法采用多层受限玻尔兹曼机(RBM)将原始数据中的高维、非线性数据映射至相应的低维空间.同时,还通过重构与权重微调算法将低维空间中的数据在高维空间进行最优化的高维表示,进而获得原始数据的最优低维表示,以实现数据的特征降维.最后,利用SVM算法对降维后的数据进行分类,实现对网络舆情的异常检测.实验结果表明,所提方法的网络舆情异常检测准确率以及检测率均可达到97%以上,充分验证了该方法的有效性.
自编码网络、受限玻尔兹曼机、特征降维、支持向量机、舆情检测、映射、数据分类
45
TN926-34;TP381
浙江省社会科学界联合会研究课题2022B12
2022-11-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
171-175