《表5 多媒体网络舆情语义的深度识别算法比较分析》

  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

《多媒体网络舆情语义识别的关键技术分析》

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

在网络舆情研究中聚类算法是一种无监督学习算法，能够通过文本聚类、图像像素点聚类、声音特征聚类等挖掘文本中词与词之间的潜在联系，图像分割以及声音的相似度为其他算法提供有效的支持。支持向量机对于二分类问题尤为适用且计算速度快，因此在态度判别与谣言判别中具有优秀的表现，然而多分类问题会导致需要多个支持向量机模型综合应用来完成，增加了算法的复杂度。贝叶斯算法对于想要通过概率来描述信息潜在含义的问题尤为适用，并且对于含有缺失数据的数据集具有良好的适应性，在情感判别中可以通过人的肢体、表情、声音的变化来概率化地判断人的情感类型。神经网络的表现是最为全面的，特别是目前深度学习神经网络的功能日渐增强，能够解决大部分机器学习问题，但是神经网络的训练效率比较低，这也成为其唯一的劣势所在。具体比较如表5所示。