基于贝叶斯衍生分类器的社交网络用户影响力评价模型OA北大核心CSTPCD
为了防止社交网络中的负面信息快速传播,则需要通过评价社交网络中用户的影响力来找出影响力大的社交网络节点。针对传统算法在社交网络领域中交叉特性缺失的问题,结合高斯贝叶斯衍生分类器,提出一种网络用户影响力评价模型。该模型结合用户活跃度、用户联系度、用户覆盖度等维度,建立社交网络用户影响力刻画指标,同时考虑社交网络用户之间的关系特征和用户自身的行为特征,降低僵尸粉和垃圾社交网络对网络评价结果的影响,通过建立连续属性朴素贝叶斯分类器方法,提出基于高斯贝叶…查看全部>>
周春良;刘仰光;孟祥佩
宁波财经学院金融与信息学院,浙江宁波315175宁波财经学院金融与信息学院,浙江宁波315175宁波财经学院基础学院,浙江宁波315175
计算机与自动化
社交网络影响力贝叶斯衍生分类器评价模型用户活跃度
《计算机工程》 2024 (6)
P.394-400,7
浙江省哲学社会科学规划课题(21NDJC167YB)国家自然科学基金(62001199)宁波财经学院科研基金硕士学位培育点项目(1320230911)。
评论