24、社会舆论挖掘：机器学习工具与实验结果

社会舆论挖掘：机器学习工具与实验结果

1. 引言

社会媒体在意见获取和传播中起着至关重要的作用，它是观察社会对特定问题看法的重要来源。本文将介绍用于社会舆论挖掘（SOM）的不同机器学习技术，包括其概念、算法细节和实验结果。

2. 有效机器学习工具

2.1 聚类技术（CLT）

聚类技术在 SOM 中可用于数据分组，例如在半监督垃圾邮件过滤中使用聚类方法。不过文中未详细展开其在 SOM 中的具体算法，仅提及了 k - NN 算法用于 SOM，但未给出具体内容。

2.2 朴素贝叶斯分类器（NBC）

朴素贝叶斯分类器是一种基于贝叶斯定理的简单概率分类器，假设特征之间相互独立。在 SOM 中，它常用于文本分类任务，如垃圾邮件过滤。以下是 NBC 算法用于 SOM 的相关信息，但文中未给出具体算法细节。

2.3 人工神经网络（ANN）

ANN 模仿生物神经网络的功能，包含通过加权突触链接相互连接的神经元。通常有输入层、输出层和隐藏层。输入层接收周围的输入信号，输出层产生最终输出，隐藏层在网络内接收和传播信号。

ANN 的学习可分为监督学习和无监督学习。常见的神经网络类型有单层感知器（SLP）和多层感知器（MLP），它们使用属性向量 (f(x) = W^Tx + b) 进行分类，其中 (W = (w_1, w_2…w_m)) 是权重，(b) 是偏置值。类别被分配为 +1 和 -1，通过搜索函数 (d(x) = sign(w^Tx + b)) 进行分类。学习从随机选择参数 ((w_0, b_0)) 开始，随后更新值。

在第 (n) 次迭代中，