基于人工神经网络的社交网站文章热度分类研究*

刘佳

(长春工业大学 基础科学学院，吉林 长春 130012)

摘要:社交网站作为一种新时期的交流平台，给人们的学习和生活带来了无尽的便利，逐渐成为人们获取知识，共享信息的主要渠道，但与此同时，网络文章纷繁复杂，造成用户浏览上的困扰，由此可见,对文章热度进行分类十分必要.针对这一问题，以Mashable社交网站为例，利用UCI中Online News Popularity数据集，提取文章相关属性，给出热度的评价标准.对60项属性进行了主成分分析，筛选出关键性影响因子.通过对BP神经网络和RBF神经网络两种算法进行对比研究，旨在选择一种速度更快、分类更精确的算法，结果表明，RBF神经网络的分类准确率达到94.5%，模型指标R2达到0.85，具有更好的分类表现.

关键词:社交网站；热度；BP神经网络；RBF神经网络；主成分分析

随着互联网技术的迅速兴起，涌现出大量的社交网站，这些网站已经成为广大网民获取知识，交流信息的主要平台，对人们的学习和生活方式产生了重大的影响[1].但是由于社交网站的文章质量参差不齐，内容纷乱繁杂，造成了很多用户在浏览上的困扰.为了将高质量、有价值、热度高的文章推荐给用户，方便用户有方向、高效率地去浏览文章，避免浪费学习和交流时间，对文章热度进行合理分类和预测是十分有必要的.近年来，针对该课题的研究已经引起不同学科学者们的广泛关注.由此可见，对网站文章的热度进行分类有十……