作者：解军; 邢进生knn微博信息增益
摘要：本文对新浪微博的博文一周后受到的转发、评价、点赞的次数进行了分析及预测.首先采用聚类分析法,从训练集横向和纵向、微博特征及用户行为特点三个角度做了分析,得出了三种用户行为与微博数量的关系、三种用户行为之间的关系及用户行为具有均值的特点,然后结合分析结果,提出使用计算类别集合代替传统的求距离,使用双层对象代替单层对象的改进的KNN算法,使传统KNN算法成为可预测模型.最后的实例仿真表明改进后的KNN算法相对于其他传统预测方法 F1评估值平均提高了5.15%.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《山西师范大学学报·自然科学版》（CN：14-1263/N）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《山西师范大学学报·自然科学版》主要栏目有：应用数学，泛函分析，算子理论，数理统计学，高能核物理，理论物理，材料化学，分析化学，生物多样性，生物学基础理论研究，山西地方区域性地理研究，可持续发展研究等。
杂志详情
