《表5 多媒体网络舆情语义的深度识别算法比较分析》
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。
图表编号 | XD0039037100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.30 |
作者 | 黄微、刘熠、孙悦 |
绘制单位 | 吉林大学管理学院、吉林大学管理学院、吉林大学管理学院 |
更多格式 | 高清、无水印(增值服务) |