《表3 优化算法及原算法的话题测评性能分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于智能算法的食品安全网络舆情监测方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以10000篇文本进行文本的聚类测试，分别从中选取1000篇文本来进行分词以及自编码神经网络训练。将所有的词汇频率进行计算后，选出词汇频率的前5000个形成特征池，将所有文本进行TF-IDF向量化后进行自便面神经网络训练，从而构成五层神经网络结构。这五层神经网络结构的节点数量分别是5000、2500、1200、2500、5000，并计算出eMES误差值，将其和阈值进行对比分析。当eMES值在0.001内，那么就进行100次循环操作，设定学习速率为0.01。当阈值T>0.2，就可以进行话题的拆分，将耽搁话题拆分个多个话题。若T<0.2，那么就可能会出现多个话题聚集，导致聚类精度低，产生较高误检率。为了验证此次优化算法的性能，将其和优化改进前的算法进行对比分析，并选取七个热点话题进行聚类分析，设定阈值T=0.03，对应得到性能测评的结果如表3所示。