KMS Of Academy of mathematics and systems sciences, CAS
| 网络异源数据社会风险预估及有效性分析 | |
陈进东1; 唐锡晋2 ; 周晓纪3; 张健1
| |
| 2019 | |
| Source Publication | 系统工程学报
 |
| ISSN | 1000-5781 |
| Volume | 34Issue:3Pages:312 |
| Abstract | 针对互联网中异源数据的风险预估问题,借鉴社会心理学中社会风险研究成果,提出基于深度学习模型Paragraph Vector的风险分类和风险预估方法.选择“天涯社区”的“天涯杂谈”和“百姓声音”子板块为例,通过话题分析和相似度比较说明了不同子版块之间社会风险分类的可行性;利用基于Paragraph Vector的K-Nearest Neighbors分类方法(KNN-PV),以“天涯杂谈”标注数据为训练集,实现“百姓声音”相同时间段新发帖的风险分类和风险预估,并通过人工标注结果验证了KNN-PV方法的有效性.研究结果表明,基于机器学习方法能够实现互联网中异源数据的风险分类和风险预估. |
| Language | 英语 |
| Document Type | 期刊论文 |
| Identifier | http://ir.amss.ac.cn/handle/2S8OKBNM/48961 |
| Collection | 系统科学研究所 |
| Affiliation | 1.北京信息科技大学 2.中国科学院数学与系统科学研究院 3.中国航天系统科学与工程研究院 |
| Recommended Citation GB/T 7714 | 陈进东,唐锡晋,周晓纪,等. 网络异源数据社会风险预估及有效性分析[J]. 系统工程学报,2019,34(3):312. |
| APA | 陈进东,唐锡晋,周晓纪,&张健.(2019).网络异源数据社会风险预估及有效性分析.系统工程学报,34(3),312. |
| MLA | 陈进东,et al."网络异源数据社会风险预估及有效性分析".系统工程学报 34.3(2019):312. |
| Files in This Item: | There are no files associated with this item. | |||||
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment