《表5 转发预测召回率:网络系统实验平台:发展现状及展望》
随机选取一个链接,提取其数据记录并将其分为训练集和测试集,基于不同的特征组合和分类算法,我们得到转发预测的召回率如表5所示.表中未列出的特征和分类算法组合不能正确分类转发与未转发数据,由预测结果可知,基于浏览时间和历史转发频度,以支持向量机(Support vector machine,SVM)作为分类器可以达到最高的分类性能,其预测召回率高达92.07%.因此,这两类简单的社交网络特征可以帮助我们精准预测用户的转发行为,进而为网络优化提供参考.
图表编号 | XD0091909000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 杨林瑶、韩双双、王晓、李玉珂、王飞跃 |
绘制单位 | 中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、中国科学院大学、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、青岛慧拓机器智能有限公司、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、青岛慧拓机器智能有限公司、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、中国科学院大学、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、青岛智能产业技术研究院、国防科技大学军事计算实验与 |
更多格式 | 高清、无水印(增值服务) |