《表5 混淆矩阵：基于Twitter数据的地点分类方法研究》

  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Twitter数据的地点分类方法研究》

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

（1）在所有类型中，教育地点分类效果最差（表4），发现有44%被误判为社会服务类型，另外有52%被误判为商店或交通地点，直接导致教育类型的精确率、召回率及F1指数均很低（表5）。根本原因在于教育地点和社会服务地点高度相似的行为模式（活跃于白天，且主要活动类型为工作）。另外，教育地点附近通常存在不少商店、交通站点（如大学城），使当地人群活动模式受到干扰。