首頁 > 期刊 > 自然科學與工程技術 > 基礎科學 > 非線性科學與系統科學 > 系統工程學報 > 網絡異源數據社會風險預估及有效性分析 【正文】
網絡異源數據社會風險預估及有效性分析
陳進東; 唐錫晉; 周曉紀; 張健 北京信息科技大學經濟管理學院; 北京100192; 中科院數學與系統科學研究院; 北京100190; 中國航天系統科學與工程研究院; 北京100048; 綠色發展大數據決策北京市重點實驗室; 北京100192
- 天涯社區
- 社會風險預估
- 異源數據
- 多分類
- paragraph
摘要：針對互聯網中異源數據的風險預估問題,借鑒社會心理學中社會風險研究成果,提出基于深度學習模型Paragraph Vector的風險分類和風險預估方法.選擇"天涯社區"的"天涯雜談"和"百姓聲音"子板塊為例,通過話題分析和相似度比較說明了不同子版塊之間社會風險分類的可行性;利用基于Paragraph Vector的K-Nearest Neighbors分類方法(KNN-PV),以"天涯雜談"標注數據為訓練集,實現"百姓聲音"相同時間段新發帖的風險分類和風險預估,并通過人工標注結果驗證了KNN-PV方法的有效性.研究結果表明,基于機器學習方法能夠實現互聯網中異源數據的風險分類和風險預估.
- 天涯社區
- 社會風險預估
- 異源數據
- 多分類
- paragraph
摘要：針對互聯網中異源數據的風險預估問題,借鑒社會心理學中社會風險研究成果,提出基于深度學習模型Paragraph Vector的風險分類和風險預估方法.選擇"天涯社區"的"天涯雜談"和"百姓聲音"子板塊為例,通過話題分析和相似度比較說明了不同子版塊之間社會風險分類的可行性;利用基于Paragraph Vector的K-Nearest Neighbors分類方法(KNN-PV),以"天涯雜談"標注數據為訓練集,實現"百姓聲音"相同時間段新發帖的風險分類和風險預估,并通過人工標注結果驗證了KNN-PV方法的有效性.研究結果表明,基于機器學習方法能夠實現互聯網中異源數據的風險分類和風險預估.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
